学术

本文提出首个大模型推理任务可靠性基准ReliableMath，揭示现有模型在处理无法解问题时的缺陷，并设计了用于评估可靠性的方法和数据集。通过实验分析发现，使用指令性提示可以显著提高模型对不可解问题的回答准确性及可靠性，但小模型仍存在提升空间。