arXiv 论文提出 ClaimScope：数学声明审计基准，验证器反馈提升补全率
一篇数学审计方向的论文，搭了个 72 任务的基准，用 Qwen3-8B 测出验证器反馈确实能帮模型交出更多可用反例。做数学推理评估的可以看看它的任务设计。
#ClaimScope
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「ClaimScope」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月16日
一篇数学审计方向的论文，搭了个 72 任务的基准，用 Qwen3-8B 测出验证器反馈确实能帮模型交出更多可用反例。做数学推理评估的可以看看它的任务设计。