推理接力：评估大型语言模型在数学推理中的稳定性和可互换性

这篇文章来自ArXiv，重点关注大型语言模型（LLM）在数学推理领域的评估。它调查了这些模型的稳定性和可互换性，这对于它们的实际应用至关重要。这项研究可能探讨了不同的LLM在数学任务上的表现，以及它们的输出是否一致并且可以互换使用。标题表明重点关注LLM在特定复杂任务中的鲁棒性和可靠性。