MathConstruct：通过构造证明挑战大型语言模型推理

本研究解决了大语言模型在数学测试中面临的局限，特别是现有基准过于简单，无法全面评估其推理能力。本文提出了一个新的基准MathConstruct，包含126个挑战性问题，专注于构造证明，推动了大语言模型评估标准的发展。研究表明，现有的最先进模型仅能解决54%的MathConstruct问题，突显了新基准的重要性和复杂性。