연구진이 LLM의 고급 수학 능력 평가를 위한 벤치마크인 AdvancedMathBench를 공개했어요. AdvancedMathBench는 학부 및 박사 과정 시험 수준의 296개 문제를 포함하는 ProverBench를 핵심으로 합니다.
자동 검증 파이프라인을 개발하여 증명의 정확성을 평가하고 오류를 세밀하게 분석했으며, 이는 인간 전문가와 높은 일치도를 보입니다.
GPT-5.5-xhigh는 ProverBench에서 UGD/QE에서 각각 75.8%, 66.1%의 낮은 정확도를 기록하며, 고급 수학 증명 생성에 있어 개선 여지가 많음을 보여줬습니다.