精选理由
数学竞赛和形式化验证的开发者可以关注——LEAP 用结构优化而非模型升级就实现了 7 倍正确率提升，值得在类似推理任务中尝试。
Google 提出 LEAP 框架，通过将数学问题拆解为目标树，并利用 Lean 验证器的反馈进行迭代学习，显著提升了大语言模型在数学竞赛中的表现。在 Putnam 2025 测试中，模型解出了全部 12 题，正确率从 10% 提升至 70%，在 IMO 风格基准上甚至超过了专用金牌级系统 48%。该框架不改变模型本身，仅通过结构优化释放了推理潜力，为 AI 数学推理提供了新思路。
AI 翻译 · 中文
Google 提出 LEAP 框架，通过将数学问题拆解为目标树，并利用 Lean 验证器的反馈进行迭代学习，显著提升了大语言模型在数学竞赛中的表现。在 Putnam 2025 测试中，模型解出了全部 12 题，正确率从 10% 提升至 70%，在 IMO 风格基准上甚至超过了专用金牌级系统 48%。该框架不改变模型本身，仅通过结构优化释放了推理潜力，为 AI 数学推理提供了新思路。
Google新论文：让LLM解数学竞赛题，正确率从10%跳到70%。 【LEAP框架】不让模型一次写完整证明，而是把问题拆成目标树，边做边从Lean验证器的反馈里学，复用已证过的引理。 结果：Putnam 2025全部12题解出，IMO风格基准超过专用金牌级系统的48%。 模型能力没变，结构变了，上限就变了。 💬 1 🔄 0 ❤️ 5 👀 582 📊 2 ⚡ Powered by xgo.ing