MathVis基准评估LLM数学图形生成能力
热点事件持续更新
MathVis基准评估LLM数学图形生成能力
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jingjing Wei等人发布MathVis基准，评估大语言模型将前沿数学问题可视化为图形并进行图示辅助推理的能力。结果显示当前模型表现有限：GPT-6-Astra、Claude Fable 5和Gemini 3.1 Pro Preview的pass@1得分分别为31.25%、26.56%和22.85%。 该基准包含512项任务，每项任务由数学命题、参考图、可执行TikZ或SVG代码、Gold Intermediate Representation、原子评分细则和错误代码组成。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
MathVis评测大语言模型通过绘图进行数学推理的能力报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIMathVis评测大语言模型通过绘图进行数学推理的能力
MathVis提出一个用于评估大语言模型可视化前沿数学问题并进行图示辅助推理的基准，包含512项任务、参考图、可执行TikZ或SVG代码、Gold Intermediate Representation、原子评分标准和错误代码。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。