OMEGA：LLM 能否在数学中跳出框架推理？

研究者提出 OMEGA 基准，从探索性、组合性、变革性三个泛化维度评估 LLM 的分布外数学推理能力，题目覆盖几何、数论、代数、组合、逻辑与谜题。测试显示前沿模型随题目复杂度上升性能明显下降；对 Qwen 系列模型微调后，探索性泛化有显著提升，组合性泛化仍有限，变革性推理几乎无改善。