PRIM 论文拆解 LLM 数学推理:识别灵感 92%,自己发现仅 25%
_vztu · x · 2026-11-19
新论文《The Missing Primitive: Diagnosing and Repairing Mathematical Reasoning in Large Language Models》提出 PRIM 方法,在 182 道精选 HLE 数学题上评测 12 个模型,把「发现关键洞察」「直接解题」「从现成解答中提取洞察」「带着洞察解题」分开测。
三个关键发现:
- 识别灵感比发现灵感容易得多:Qwen3.6-27B 从完整解答中提取关键洞察的准确率达 92.31%,但仅凭题目自己发现的只有 24.73%。
- 有了正确想法后,模型能做得更多(推文在此截断)。
核心问题:答对题不等于理解数学,模型缺的正是「找到那个让一切豁然开朗的观察」这一原语。
「模型」频道最新
- 腾讯混元 Hy4 解 34/35 国际象棋谜题,自称全模型第二 — TencentHunyuan · 2026-11-19
- Gemini 4 Neon 登顶 Vending-Bench 2,谈判中会「虚报低价」 — DynamicWebPaige · 2026-11-19
- NVIDIA 开源 Nemotron-Labs-Sigma:连续扩散语言模型并行成块生成 — karsten_kreis · 2026-11-19
- 开发者横评三大编程模型与 Antigravity:谁都没拉开差距 — iskander · 2026-11-19
- Gemini 4 Neon 登顶 Coding Agent Index,领先 GPT-6.2 Astra 6 分 — kimmonismus · 2026-11-19
- Peter Gostev 实测 GPT-6.2 Astra 与 Sol:3D/游戏/网页全维度对比 — arena · 2026-11-19