入力理解を超えて: 有向非環グラフトレースを用いた多言語数学推論の診断

ニュース概要

大規模推論モデル（LRM）は英語で強い数学推論性能を達成するが、多くの低・中資源言語ではより信頼性が低い。このギャップはしばしば非英語問題文の理解不足として説明されるが、この見方は不完全である。