大语言模型离“数学证明高手”还有多远？斯坦福、伯克利、MIT 团队提出 IneqMath 评测标准
，这些模型真的理解了推理过程吗？还是只是看起来“像那么回事”就蒙出来的？
不等式问题是检验模型“真会
自我批判
强迫模型自我争论，递归思考版CoT热度飙升！网友：这不就是大多数推理模型的套路吗？
CoRT（Chain-of-Recursive-Thoughts）结合递归思考与自我批判，提升语言模型推理能力。两周内GitHub星标数突破2k。