التفكير الرياضي
2 published articles
معايير واختباراتFeatured2 min read
تحليل المعايير
كان GSM8K مصممًا لاختبار رياضيات المرحلة الابتدائية. لكن ما يصل إلى 42% من أسئلته معيبة
أصبح GSM8K اختبارًا قياسيًا للتفكير الحسابي في نماذج اللغة الكبيرة، لكن عمليات التدقيق وجدت معدلات خطأ في مجموعته الأسئلة تصل إلى 42%، مما يقوض ما تقيسه نتائجه فعليًا.
2026-07-29
الذكاء الاصطناعي5 min read
الاستدلال الرياضي
فريق M3 وجد طريقة لمنع مُدققي الرياضيات في الذكاء الاصطناعي من الغش، وهي خارطة طريق لكل مختبر
يجمع نهج M3 للاستدلال الرياضي بين ثلاثة نماذج خبراء: Proof وVerifier وFixed، مع إطار بحث تطوري. يقدم التقرير تفاصيل نادرة حول اختراق المكافآت، ومواءمة المُدقق، والهندسة اللازمة لجعل المُدققات التوليدية موثوقة في مهام الاستدلال عالية المخاطر.
2026-07-11