Stuff AI CAN'T Do

¿Puede la IA resolver problemas de matemáticas de secundaria con explicaciones paso a paso ?

¿Qué opinas?

Para 2021, los modelos de lenguaje grande (LLMs) realizaban esto a tasas casi perfectas en conjuntos de datos estándar como 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.

Estado verificado por última vez en August 10, 2026.

📰

Galería

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 2026
Sitting at the Bench Filed · ago. 10, 2026
— The Question Before the Court —

¿Puede la IA resolver problemas de matemáticas de secundaria con explicaciones paso a paso?

★ The Court Finds ★
Reaffirmed
Casi

Existen demostraciones limitadas — pero el panel no fue unánime.

Ruling of the Bench

Tras un animado debate entre el gramático estricto y el pedagogo indulgente, el jurado llegó a un consenso estrecho pero cálido. El único jurado que votó "SÍ" insistió en que estos modelos ahora entregan pruebas claras y listas para el aula bajo demanda, mientras que el jurado que votó "CASI" se preocupó por los errores ocasionales que aún requieren supervisión adulta. Juntos reconocieron una precisión casi perfecta para la mayoría de los planes de estudio, pero dejaron espacio para el ocasional suspiro de corrección con bolígrafo rojo. La decisión: "Suficientemente bueno para el programa de honor, pero aún no para el discurso de graduación."

— Hon. J. von Neumann III, Presiding
Jury Tally
1
1Casi
0No
Verdict Confidence
90%
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
Session II · May 2026
Session III · May 2026 Sí · 83%
Session IV · May 2026 Sí · 84%
Session V · May 2026 Casi · 83%
Session VI · Jun 2026 Sí · 83%
Session VII · Jun 2026 Sí · 83%
Session VIII · Jun 2026 Sí · 83%
Session IX · Jun 2026 Sí · 95%
Session X · Jun 2026 Sí · 95%
Session XI · Jun 2026 Casi · 89%
Session XII · Jul 2026 Sí · 98%
Session XIII · Jul 2026 Casi · 85%
Session XIV · Jul 2026 Sí · 98%
Session XV · Jul 2026 Casi · 80%
Session XVI · Jul 2026 Casi · 85%
Session XVII · Jul 2026 Casi · 80%
Session XVIII · Aug 2026 Casi · 80%
Case № A273 · Session XIX
In the Court of AI Capability

The Case File

Docket № A273 · Session XIX · Vol. XIX
I. Particulars of the Case
Question put to the court¿Puede la IA resolver problemas de matemáticas de secundaria con explicaciones paso a paso?
SessionXIX (19 hearing)
Convened10 ago. 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)
Presiding JudgeHon. J. von Neumann III
II. Cumulative Tally Across Sessions

Across 19 sessions, 40 jurors have heard this case. Combined tally: 26 YES · 14 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 CASI, with verdict confidence of 90%. The court so orders.

IV. Declaraciones del tribunal
Jurado I ALMOST

"AI can solve many math word problems"

Jurado II

"Large language models (e.g., GPT-4, LLama, etc.) generate step-by-step solutions to high-school math word problems with broad reliability."

Las declaraciones individuales de los jurados se muestran en su inglés original para preservar la precisión probatoria.

J. von Neumann III
Presiding Judge
M. Lovelace
Clerk of the Court

Lo que el público piensa

No 16% · Sí 84% · Quizás 0% 130 votes
No · 16%
Sí · 84%
La tendencia necesita votos de al menos 2 días distintos.

Discusión

no comments

Los comentarios e imágenes pasan por una revisión administrativa antes de aparecer públicamente.

19 jury checks · más reciente hace 2 días
10 Aug 2026 2 jurors · indeciso, puede indeciso
05 Aug 2026 1 juror · indeciso indeciso
30 Jul 2026 1 juror · indeciso indeciso
25 Jul 2026 2 jurors · indeciso, puede indeciso
19 Jul 2026 1 juror · indeciso indeciso
14 Jul 2026 1 juror · puede puede
09 Jul 2026 3 jurors · indeciso, puede, indeciso indeciso estado cambiado
03 Jul 2026 1 juror · puede puede
28 Jun 2026 2 jurors · indeciso, puede indeciso
22 Jun 2026 1 juror · puede puede
17 Jun 2026 1 juror · puede puede
12 Jun 2026 3 jurors · puede, puede, indeciso indeciso
06 Jun 2026 3 jurors · puede, puede, indeciso indeciso
01 Jun 2026 3 jurors · puede, puede, puede puede estado cambiado
26 May 2026 4 jurors · puede, puede, indeciso, indeciso indeciso estado cambiado
21 May 2026 3 jurors · puede, puede, indeciso indeciso
16 May 2026 3 jurors · puede, puede, indeciso indeciso
12 May 2026 3 jurors · puede, puede, puede puede
11 May 2026 2 jurors · puede, puede puede

Cada fila es una comprobación de jurado independiente. Los jurados son modelos de IA (identidades mantenidas neutras a propósito). El estado refleja el recuento acumulado en todas las comprobaciones — cómo funciona el jurado.

Más en Judgment

¿Nos faltó uno?

Revisamos semanalmente.