arXiv ID:
2607.11849
arXiv 提交日期: 2026-07-13
高级数学基准测试套件:用于高级数学证明生成与验证的评估框架 / AdvancedMathBench: A Benchmark Suite for Advanced Mathematical Proof Generation and Verification
1️⃣ 一句话总结
本文提出了一个专门评估大语言模型在高等数学(本科及博士资格考水平)上的证明生成与验证能力的基准套件AdvancedMathBench,包含296道证明题和888个模型生成证明轨迹,并配套了能与人类专家高度一致的自动验证流程,实验表明当前最强模型在该任务上仍有显著提升空间。