raisonnement mathématique
2 published articles
Tests & BenchmarksFeatured2 min read
Analyse de benchmark
GSM8K était censé tester les mathématiques de niveau primaire. Jusqu'à 42 % de ses questions ne sont pas valides
GSM8K est devenu un test standard de raisonnement arithmétique dans les LLM, mais des audits ont révélé des taux d'erreur dans son ensemble de questions atteignant 42 %, ce qui compromet ce que ses scores mesurent réellement.
2026-07-29
IA5 min read
Raisonnement mathématique
L'équipe M3 a trouvé un moyen d'empêcher les vérificateurs mathématiques d'IA de tricher, et c'est un plan pour chaque laboratoire
L'approche de M3 pour le raisonnement mathématique combine trois modèles experts, Proof, Verifier et Fixed, avec un cadre de recherche évolutive. Le compte rendu offre des détails rares sur le piratage des récompenses, l'alignement des vérificateurs et l'ingénierie nécessaire pour rendre les vérificateurs génératifs fiables dans les tâches de raisonnement à enjeux élevés.
2026-07-11