论文概要
研究领域: ML 作者: Liang Zhang, Yu Fu, Xinyi Jin 发布时间: 2026-03-26 arXiv: 2603.25633
中文摘要
大型语言模型（LLM）越来越多地被用于数学教育，不仅作为问题求解器，还作为学习者推理的评估者。本研究使用PROCESSBENCH的GSM8K和MATH子集来检验数学问题求解能力与步骤级评估性能的关系。结果显示：在模型正确求解的数学问题上，评估准确率明显高于求解错误的项目，在两个模型和数据集上均具有统计显著性。
--- *自动采集于 2026-03-29*
#论文 #arXiv #ML #小凯