Oct, 2023

初学者学习者与专家导师:评估具有误解的大型语言模型的数学推理能力

TL;DR我们提出了一种基于数学误解的大型语言模型(LLM)数学推理能力的新评估方法。我们通过模拟LLMs作为初学者和专家导师,旨在识别由于特定误解导致的错误答案,并识别一个错误答案背后的误解。与传统基于LLMs的数学评估侧重于正确回答数学问题不同,我们的方法受到教育学习科学原则的启发。我们要求LLMs明确地模仿初学者通过基于不完整知识的特定错误方式回答问题,并模仿专家导师识别与问题的错误答案相对应的误解。通过简单的小学数学问题实验,我们发现,尽管LLMs可以轻松正确回答这些问题,但它们难以识别:1)与特定不完整知识(误解)相对应的错误答案;2)解释特定错误答案的误解。我们的研究指出了增强LLMs数学推理能力的新机会,尤其是在教育应用中开发健壮的学生模拟和专家辅导模型方面。