待验证50% 置信事实精确时间
在代码数据上训练的LLM不仅提升了编程能力，还显著增强了模型的逻辑推理能力，代码训练和逻辑推理能力之间存在正向迁移效应
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
已验证代码预训练不仅能提升编程任务表现，还能显著增强模型的逻辑推理能力，已成为顶级基础模型的标配85% 相似待验证代码数据的加入被证明能显著提升模型的逻辑推理能力，即使在非代码任务上，这一现象被称为代码数据的外溢效应79% 相似待验证LLM的代码生成能力源于对开源代码的统计模式学习，而非真正的逻辑推理78% 相似待验证数学LLM的训练策略包括在通用预训练基础上使用大规模数学语料进行继续预训练，再通过链式推理数据监督微调，并结合过程奖励模型进行强化学习78% 相似待验证在代码语料比例更高的混合数据集上训练的模型，在数学推理基准（如MATH、GSM8K）上的表现显著优于纯自然语言训练的同规模模型，这一结论获斯坦福大学和MIT的多项研究证实75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/532698API
curl https://kongchang.com/api/v1/knowledge/claims/532698MCP
get_claim(id=532698)