Can Language Models Rival Mathematics Students? Evaluating Mathematical Reasoning through Textual Manipulation and Human Experiments
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究评估了大型语言模型（LLMs）在组合数学问题解决中的表现，并提出了Combi-Puzzles数据集进行比较。结果显示，基于GPT-4的模型在解题正确率和变体表现上优于其他模型和人类，同时问题表述的修改对LLMs的影响显著。
🏷️
