यह शोधपत्र बड़े पैमाने के भाषा मॉडलों (LLM) के प्रदर्शन मूल्यांकन में आने वाली समस्याओं की पहचान करता है जो सुदृढीकरण अधिगम (RL) के माध्यम से गणितीय तर्क क्षमता में सुधार दर्शाते हैं, और इन समस्याओं के समाधान के लिए एक नवीन मूल्यांकन ढाँचा, VAR-MATH, प्रस्तावित करता है। मौजूदा मूल्यांकन विधियों की समस्याओं में बेंचमार्क संदूषण और मूल्यांकन की कमज़ोरी शामिल है, और VAR-MATH संख्यात्मक समस्याओं को प्रतीकात्मक टेम्पलेट्स में परिवर्तित करके और उन्हें हल करने के लिए कई उदाहरणों की आवश्यकता करके सुसंगत अनुमान को लागू करके इन समस्याओं को कम करता है। जब AMC23 और AIME24 बेंचमार्क को VAR-MATH का उपयोग करके रूपांतरित किया जाता है, तो RL से प्रशिक्षित मॉडलों का प्रदर्शन काफ़ी कम हो जाता है, जिससे पता चलता है कि मौजूदा RL विधियाँ सतही अनुमानों पर निर्भर करती हैं और विशिष्ट संख्यात्मक स्वरूपों से आगे सामान्यीकरण करने में विफल रहती हैं।
