Minerva — 把语言模型拉进数学草稿纸
已复核 · 稳定内容Solving Quantitative Reasoning Problems with Language Models 是一篇 LLM / Math Reasoning 论文。本卡只基于 arXiv 官方元数据和论文静态阅读做研究整理；没有运行作者代码，也没有复现论文分数。
类比：像让一个语文很强的学生转去参加数学竞赛：会读题还不够，还要见过足够多推导格式，并愿意把草稿一步步写出来。
它在本轮 40 篇里的位置是 Batch 1 / foundation scaling：不是孤立收藏，而是补上 study 论文图谱里还缺的一块。
通用 LLM 在自然语言上强，但数学和科学题需要符号、公式、长链推理和计算一致性，普通网页语料不足以稳定支持。
如果把它放进产品工程语境，核心问题是：团队到底应该把不确定性留给模型本身，还是拆给数据、工具、训练目标、评测和系统约束分别处理。
- 它给后续研究提供了一个可引用的名字和问题边界。
- 它把一个模糊能力拆成了可以讨论的机制或流程。
- 它提醒我们不要只看最终 benchmark，而要看数据、约束和验收方式。
- 它能和本库已有笔记形成交叉链接，方便以后按主题复习。
| 设计 | 作用 |
|---|---|
| 数学/科学语料继续训练 | 让模型多见 LaTeX、公式和定量推导。 |
| 逐步解题格式 | 鼓励模型输出中间步骤，而不是只给最终答案。 |
| 采样与投票 | 多次生成候选解，用一致性提高最终准确率。 |
这三点合在一起，给这篇论文建立了一个最小可理解模型：先看它把问题切在哪里，再看它把哪部分交给模型、哪部分交给外部结构。
手工 toy 复现
Section titled “手工 toy 复现”同一道应用题让模型只报答案，很容易算错；让它列方程、化简、再代入，并采样 5 次取多数，错误率会下降。这就是 Minerva 的产品直觉。
这个 toy 复现只验证机制直觉，不声明论文原始指标已复现。真正升级为 VERIFIED 需要独立执行证据和 review receipt 绑定。
- 采样投票提高的是答案选择：采样投票提高的是答案选择，不保证每条推导都严谨。
- 数学语料会带来格式优势：数学语料会带来格式优势，但不能替代形式化证明器。
- 模型可能写出看似漂亮但中间偷换概念的推导。：模型可能写出看似漂亮但中间偷换概念的推导。
- 只看竞赛题会高估真实工程计算和数据分析能力。：只看竞赛题会高估真实工程计算和数据分析能力。
- 数学能力是“数据分布 + 推理格式 + 验证策略”的组合。
- Minerva 是后续 GSM8K、PAL、Program of Thoughts 的重要背景。
- 对产品来说，长推理必须配合检查器或工具，而不是只相信自然语言草稿。