待验证50% 置信注意事项精确时间
在GSM8K数学推理任务上，Qwen模型适应能保持答案格式合规性，但精确匹配保留效果在0.6B规模受随机种子影响混杂，在1.7B规模甚至有所恶化
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证模型在GSM8K上接近满分之后研究者立刻需引入更难的基准，出现基准饱和现象67% 相似待验证在提示词不变的情况下，SymCE 训练的模型能力可迁移到 GSM8K、MATH-500 和 MMLU-college-math 等主流数学推理基准66% 相似待验证提示词逆推结果未必能100%还原原图，因为原始提示词高度依赖特定模型版本和随机种子65% 相似待验证2022年Wei等人的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》证明在few-shot示例中加入推理步骤可将PaLM 540B在GSM8K上的准确率从17.9%提升至58.1%65% 相似待验证7B 参数的较小模型体积使 Qwen Image 2.1 在本地部署和推理成本上更具优势65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/982983API
curl https://kongchang.com/api/v1/knowledge/claims/982983MCP
get_claim(id=982983)