🔥 Hot topics · NEUMÍ · Umí · § The Court · Nedávná překlopení · 📈 Časová osa · Zeptat se · Komentáře · 🔥 Hot topics · NEUMÍ · Umí · § The Court · Nedávná překlopení · 📈 Časová osa · Zeptat se · Komentáře
Stuff AI CAN'T Do

Může umělá inteligence řešit slovní úlohy z matematiky pro střední školy s postupnými vysvětleními ?

Co si myslíš?

Ukázání práce, nejen odpovědi. Do roku 2021 zvládaly velké jazykové modely toto téměř bezchybně na standardních datových sadách jako GSM8K.

Background

By 2021, large language models (LLMs) were already demonstrating near-perfect performance on standard datasets such as GSM8K, where the focus is on showing complete, interpretable work rather than merely outputting the final answer. AI systems in this domain typically combine natural language processing with computer algebra systems to parse mathematical expressions, recognize relevant concepts, and generate step-by-step solutions. While current systems can handle many standardized math tests and deliver detailed, human-like explanations, they still face challenges with nuanced language and highly complex, multi-step problems. Researchers continue to refine these models to bridge the remaining gap between machine performance and human-level mathematical reasoning. Development in this area is closely monitored by educational technologists who see potential for AI to support both students and teachers in math instruction.

Stav naposledy zkontrolován August 15, 2026.

📰

Galerie

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jul 2026Jul 2026Jul 2026Jul 2026Jul 2026Jul 2026Aug 2026Aug 2026Aug 2026
Sitting at the Bench Filed · srp 15, 2026
— The Question Before the Court —

Může umělá inteligence řešit slovní úlohy z matematiky pro střední školy s postupnými vysvětleními?

★ The Court Finds ★
Reaffirmed
Téměř

Existují omezené ukázky — ale porota nebyla jednomyslná.

Ruling of the Bench

Po bouřlivé debatě porota nedokázala sjednotit, co se považuje za „spolehlivé“ ve třídě, kde jediná chyba změní známku z dostatečné na nedostatečnou; přesto však shodně uznávají, že AI si již nyní zaslouží nejvyšší známku za většinu domácích úkolů. Jediný oponent trvá na tom, že každý vyřešený příklad musí být naprosto bezchybný, zatímco ostatní nadšeně oceňují její schopnost pomáhat s domácími úkoly. Soud proto otázce uděluje neochotné TÉMĚŘ. Rozsudek: AI může úkol dokončit, ale učitel si stále přeje vidět stopy po gumě.

— Hon. G. Hopper, Presiding
Jury Tally
1Ano
1Téměř
0Ne
Verdict Confidence
88%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Ano
Session II · May 2026 Ano
Session III · May 2026 Ano · 83%
Session IV · May 2026 Ano · 84%
Session V · May 2026 Téměř · 83%
Session VI · Jun 2026 Ano · 83%
Session VII · Jun 2026 Ano · 83%
Session VIII · Jun 2026 Ano · 83%
Session IX · Jun 2026 Ano · 95%
Session X · Jun 2026 Ano · 95%
Session XI · Jun 2026 Téměř · 89%
Session XII · Jul 2026 Ano · 98%
Session XIII · Jul 2026 Téměř · 85%
Session XIV · Jul 2026 Ano · 98%
Session XV · Jul 2026 Téměř · 80%
Session XVI · Jul 2026 Téměř · 85%
Session XVII · Jul 2026 Téměř · 80%
Session XVIII · Aug 2026 Téměř · 80%
Session XIX · Aug 2026 Téměř · 90%
Case № A273 · Session XX
In the Court of AI Capability

The Case File

Docket № A273 · Session XX · Vol. XX
I. Particulars of the Case
Question put to the courtMůže umělá inteligence řešit slovní úlohy z matematiky pro střední školy s postupnými vysvětleními?
SessionXX (20 hearing)
Convened15 srp 2026
Previously ruledYES (May '26) → YES (May '26) → YES (May '26) → YES (May '26) → ALMOST (May '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → ALMOST (Jun '26) → YES (Jul '26) → ALMOST (Jul '26) → YES (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Aug '26) → ALMOST (Aug '26) → ALMOST (Aug '26)
Presiding JudgeHon. G. Hopper
II. Cumulative Tally Across Sessions

Across 20 sessions, 42 jurors have heard this case. Combined tally: 27 YES · 15 ALMOST · 0 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 1 — 1 — 0, the panel returns a verdict of TéMěř, with verdict confidence of 88%. The court so orders.

IV. Prohlášení soudců
Porotce I ALMOST

"AI models can solve many math word problems"

Porotce II ANO

"Current LLMs reliably solve high-school math word problems with step-by-step explanations."

Individuální prohlášení porotců jsou zobrazena v původní angličtině pro zachování důkazní přesnosti.

G. Hopper
Presiding Judge
M. Lovelace
Clerk of the Court

Co si myslí publikum

Ne 16% · Ano 84% · Možná 0% 130 votes
Ne · 16%
Ano · 84%
Trend potřebuje hlasy z alespoň 2 různých dní.

Diskuze

no comments

Komentáře a obrázky procházejí kontrolou admina, než se objeví veřejně.

20 jury checks · nejnovější před 3 dny
15 Aug 2026 2 jurors · nerozhodnuto, umí nerozhodnuto
10 Aug 2026 2 jurors · nerozhodnuto, umí nerozhodnuto
05 Aug 2026 1 juror · nerozhodnuto nerozhodnuto
30 Jul 2026 1 juror · nerozhodnuto nerozhodnuto
25 Jul 2026 2 jurors · nerozhodnuto, umí nerozhodnuto
19 Jul 2026 1 juror · nerozhodnuto nerozhodnuto
14 Jul 2026 1 juror · umí umí
09 Jul 2026 3 jurors · nerozhodnuto, umí, nerozhodnuto nerozhodnuto stav změněn
03 Jul 2026 1 juror · umí umí
28 Jun 2026 2 jurors · nerozhodnuto, umí nerozhodnuto
22 Jun 2026 1 juror · umí umí
17 Jun 2026 1 juror · umí umí
12 Jun 2026 3 jurors · umí, umí, nerozhodnuto nerozhodnuto
06 Jun 2026 3 jurors · umí, umí, nerozhodnuto nerozhodnuto
01 Jun 2026 3 jurors · umí, umí, umí umí stav změněn
26 May 2026 4 jurors · umí, umí, nerozhodnuto, nerozhodnuto nerozhodnuto stav změněn
21 May 2026 3 jurors · umí, umí, nerozhodnuto nerozhodnuto
16 May 2026 3 jurors · umí, umí, nerozhodnuto nerozhodnuto
12 May 2026 3 jurors · umí, umí, umí umí
11 May 2026 2 jurors · umí, umí umí

Každý řádek je samostatná kontrola poroty. Porotci jsou AI modely (identity záměrně neutrální). Stav odráží kumulativní součet všech kontrol — jak porota funguje.

Další v Judgment

Máte nějakou, kterou jsme přehlédli?

Přidejte tvrzení do atlasu. Kontrolujeme týdně.