开源模型可低成本评判数学证明
新研究称GPT-OSS等开源模型在数学证明评分上与前沿模型表现相当，但成本低数十倍。
重要性局部证据E2 未复现写法快讯
开源模型GPT-OSS-120B和DeepSeek-V4-Flash在数学证明自动评分任务中，表现与Claude Opus 4.7等前沿模型统计上无显著差异，但推理成本低4至100倍。
传统上评估AI数学推理能力依赖昂贵的前沿大模型作为裁判。该研究在IMO-GradingBench基准测试中发现，使用三个廉价开源模型进行共识投票（如全票通过或多数决）可作为有效的替代方案。
实验显示，全票通过规则具有最高精确度（0.855），而多数决规则具有最高召回率（0.912）。该结论在独立数据集ProofBench上也得到了复现。
此结果为单篇预印本论文（arXiv:2608.00004v2）的作者自测数据，尚未见第三方独立复现报告。