MAMath-Bench：面向多模态多智能体数学推理的过程感知与鲁棒性评估基准
英文标题：MAMath-Bench: Process-Aware and Robust Evaluation of Multimodal Multi-Agent Mathematical Reasoning
本文介绍了面向多模态多智能体数学推理的新型评估基准 MAMath-Bench。研究指出，在教育等实际应用场景中，大语言模型仅能得出最终答案并不足够，更需具备连贯且可验证的推理过程。该研究针对多智能体协作系统在复杂图文数学问题上的表现展开深入探索。这一基准的提出，为衡量多智能体系统推理的鲁棒性与逻辑透明度提供了标准化工具，有助于推动可靠教育 AI 与复杂推理 Agent 的落地发展。
打开原文相关 7.2 · 机会 2
2.0 KB
612 B
380 B
9.1 KB
18.2 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2610.26943v1 公告类型：新论文
摘要
数学推理是大语言模型（LLM）在教育应用领域的一项核心基础能力。在此类场景中，可靠的问题求解不仅需要得出正确的最终答案，还需要具备连贯且可验证的推理过程。多智能体系统（Multi-Agent Systems）……
English / 原文
BibTeX formatted citation
×