MAMath-Bench: Процесс-хабардар және тұрақты көпмодальді көп-агенттік математикалық ойлау бағалауы
arXiv:2610.26943v1 Жариялау түрі: жаңа Анотация: Математикалық ойлау — үлкен тіл моделілерінің (LLM) білім беру қолданбалары үшін негізгі қабілет, онда сенімді проблема шешу тек дұрыс жауаптар ғана емес, сонымен қатар жіктелетін және тексерілетін ойлау процестерін де талап етеді.…