从 LLMs 中提取复杂推理能力：利用负面数据提炼出来的金子

该研究提出了一种新的评估方法，用于评估大型语言模型在数学推理方面的能力。研究模拟初学者和专家导师的表现，旨在识别由于特定误解导致的错误答案，并找出背后的误解。研究发现，大型语言模型难以识别与特定误解相对应的错误答案，并解释这些误解。该研究为增强大型语言模型的数学推理能力提供了新的机会，尤其是在教育应用中开发学生模拟和专家辅导模型方面。