Source : https://arxiv.org/abs/2506.10903 Ce document de recherche explore une nouvelle méthode pour évaluer automatiquement la traduction de langage naturel en langage formel pour le raisonnement mathématique. Les auteurs proposent un ensemble de juges LLM (grands modèles linguistiques), baptisé EFG, qui utilise des critères spécifiques et détaillés tels que la préservation logique et la cohérence mathématique. L’objectif est de surmonter les limitations des évaluations humaines, qui sont chronophages et nécessitent une expertise poussée, surtout dans des domaines mathématiques complexes. Les résultats suggèrent que cette approche LLM-as-a-judge offre une alternative prometteuse et plus fiable que les évaluations génériques pour juger la qualité du raisonnement mathématique formel.