本文提出了一种推理一致性评估指标，分析大型语言模型在高中数学新问题上的推理能力。研究发现，推理步骤增多时，模型的准确率显著下降，主要问题在于推导结论的能力，而理解输入前提的能力相对稳定。

本文介绍了一种创新的贝叶斯机器学习算法，可推断异质性因果效应，性能优于其他技术，可控制错误率，为政策制定者提供有用工具。应用评估结果显示，该算法提高了学校资金对学生绩效的有效性。