深度数学创造力：评估大型语言模型数学创造性的基准
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本文提出了DeepMath-Creative基准，用于评估大型语言模型在数学创造力方面的表现，涵盖代数、几何和分析等领域。实验结果显示，最佳模型O3 Mini在本科级任务上的准确率仅为70%，在复杂问题上的表现更差，表明现有模型依赖于记忆重组，而非真正的创造性。
🏷️
