ClaimScope：数学声明审计基准
发生了什么
据arXiv cs.LG报道，研究引入ClaimScope，一个包含72项任务的数学声明审计基准。评估Qwen3-8B模型时，验证器反馈在无效声明上产生23/39的可接受反例，优于无检查器的通用反馈。结果分离了声明分类与可执行证据，增益源于见证结构修正。
- 基准任务数
- 72
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口