arXiv · AI· Mushir Akhtar·· 2026-10-16AI 评分33
ClaimScope:面向数学命题审计的标签盲证人验证基准
ClaimScope: Label-Blind Witness Verification for Mathematical Claim Auditing
AI 导读
研究提出包含72个任务的基准ClaimScope,用于通过证伪、范围界定、反例生成及修复审计数学命题。 实验评估了Qwen3-8B模型,验证器反馈使安全完成率达25/72,显著高于无检查器反馈的20/72。 该结果表明性能提升源于证人结构修正,而非广义推理能力的提升。
来源:arXiv · AI · arxiv.org