EngTrace：一项面向工程推理可验证过程评估的符号基准

EngTrace 发布了包含 150 个专家认证模板的符号基准，覆盖 5 大分支、15 个领域和 42 个子领域，通过金标准推理轨迹精确验证中间步骤。 其评估器主要在不使用 LLM 判定的情况下，检查最终答案、中间量覆盖率和算术展示，并在 11 个大语言模型上显示最终答案难以区分顶尖模型，而推导过程差异显著。