[LG] Solving Inequality Proofs with Large Language Models
J Sheng, L Lyu, J Jin, T Xia...
[Stanford University & UC Berkeley]
本文通过构建一个包含奥林匹克级别不等式的新数据集IneqMath，并设计了一套包含最终答案和详细步骤审查的LLM即评判者评估框架，揭示了当前顶尖大语言模型在解决不等式问题时普遍存在的“答案可能正确但推理过程往往不严谨”的巨大鸿沟，并指出模型规模和计算量扩展对此改善有限，而定理指导和自我修正等策略展现了提升的潜力。
https://arxiv.org/abs/2506.07927