马里兰团队发布 MathAdv 基准：定理证明器难敌等价改写

马里兰大学 Furong Huang 团队发布诊断性基准 MathAdv（arXiv:2608.25449），已开源。基准覆盖 13 个本硕数学领域，从知识、推理等四个维度评估定理证明器。研究发现模型能证明原始命题，却在等价改写的问题上全军覆没，印证团队主张「证明应确立定理，而不应终结评估」——证明通过不等于模型真正推进了数学理解。

2026-09-13 ~ 2026-09-13 · 2 条相关