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 September 22, 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 2026Aug 2026Aug 2026Aug 2026Sep 2026Sep 2026Sep 2026Sep 2026
Sitting at the Bench Filed · sep. 22, 2026
— The Question Before the Court —

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

★ The Court Finds ★
Reaffirmed
⚖
Sí

El jurado encontró una respuesta claramente afirmativa.

Jury Tally
2Sí
0Casi
0No
Verdict Confidence
94%
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 Sí
Session II · May 2026 Sí
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%
Session XIX · Aug 2026 Casi · 90%
Session XX · Aug 2026 Casi · 88%
Session 21 · Aug 2026 Sí · 94%
Session 22 · Aug 2026 Sí · 95%
Session 23 · Sep 2026 Sí · 94%
Session 24 · Sep 2026 Sí · 79%
Session 25 · Sep 2026 Sí · 90%
Case № A273 · Session 26
In the Court of AI Capability

The Case File

Docket № A273 · Session 26 · Vol. 26
I. Particulars of the Case
Question put to the court¿Puede la IA resolver problemas de matemáticas de secundaria con explicaciones paso a paso?
Session26 (26 hearing)
Convened22 sep. 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) → YES (Aug '26) → YES (Aug '26) → YES (Sep '26) → YES (Sep '26) → YES (Sep '26) → YES (Sep '26)
II. Cumulative Tally Across Sessions

Across 26 sessions, 52 jurors have heard this case. Combined tally: 37 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 2 — 0 — 0, the panel returns a verdict of Sí, with verdict confidence of 94%. The court so orders.

IV. Declaraciones del tribunal
Jurado I Sí

"Large language models reliably solve standard high-school math word problems with accurate step-by-step reasoning."

Jurado II Sí

"Multiple AI systems like Mathos AI, Symbolab, MathGPT, Photomath, and Julius can solve high-school math word problems with step-by-step explanations."

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

—
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.

⚖ 26 jury checks · más reciente hace 4 días
22 Sep 2026 2 jurors · puede, puede puede
17 Sep 2026 1 juror · puede puede
06 Sep 2026 2 jurors · puede, puede puede
01 Sep 2026 2 jurors · puede, puede puede
26 Aug 2026 1 juror · puede puede
21 Aug 2026 2 jurors · puede, puede puede
15 Aug 2026 2 jurors · indeciso, puede indeciso
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.