arXiv · NLP· Ali Ansari, Farhana Ferdousi Liza·2026-10-20 12:00· 6 小时前AI 评分21

P-FOLIO 数据集验证人类推理参考可靠性的研究

Verifying Human-Written Reasoning References

AI 导读

研究提出基于 P-FOLIO 的方法，发现 52.3% 的人类推导步骤逻辑严谨。使用 Z3 求解器验证 386 个推导，191 个“失败”案例因前提缺失导致，非逻辑错误。结果表明评估分歧可能源于参考推导本身，而非 AI 系统。

来源：arXiv · NLP · arxiv.org