待验证50% 置信事实精确时间
2022年Jason Wei的论文证明，在prompt中给8个示例就能让5400亿参数模型在GSM8K数学应用题基准上达到当时最好水平。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
推理模型14个核心概念：从思维链到GRPO全面拆解
youtubeBrix AI2026/10/29
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70% 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69% 相似待验证常见的推理基准包括 GSM8K（小学数学应用题）、MATH（竞赛级数学题）、StrategyQA（多跳常识推理）等，这些基准要求多步推导且答案可自动验证。68% 相似待验证当前流行的评估基准GSM8K和MATH与前沿研究级别的数学推理之间存在质的差距67% 相似待验证随着模型参数规模从亿级扩展到千亿级，LLM展现出涌现能力，包括多步推理、类比迁移和不确定性表达67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1116031API
curl https://kongchang.com/api/v1/knowledge/claims/1116031MCP
get_claim(id=1116031)