MAMath-Bench: Процессно-ориентированная и устойчивая оценка мультимодального мультиагентского математического рассуждения
arXiv:2610.26943v1 Тип объявления: new Abstract: Математическое рассуждение является фундаментальной способностью для образовательных приложений больших языковых моделей (LLM), где надежное решение задач требует не только правильных ответов, но также связных и верифицируемых процессов рассуждения.…