本研究提出了一种基于强化学习的自动数学纠错方法StepAMC，解决了现有方法忽视逐步反馈的问题。该模型增强了大语言模型的推理能力，在两个基准数据集上超越了十一种强基线模型，显示出显著的性能提升。

本研究探讨大型语言模型（LLM）在数学推理中的多步骤过程，提出结合逐步和结果反馈的新方法，显著提升了LLM的推理能力。