MathTutorBench：测量大型语言模型辅导能力的基准

本研究旨在解决缺乏可靠评估AI辅导模型教育能力的难题，通过创建MathTutorBench基准，提供全面的评估工具和数据集。研究发现，学科专长与教学能力之间存在权衡，而较长的对话则增加了辅导的挑战性。该基准的开放发布将推动未来模型的快速评估与发展。