待验证50% 置信事实精确时间
GSM8K是由OpenAI发布的小学数学应用题基准，包含约8500道需要多步推理的文字题
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
已验证HumanEval由OpenAI设计，包含164道Python编程题；GSM8K包含8500道小学数学应用题；MMLU涵盖57个学科领域的选择题72% 相似待验证OpenAI公布的Jalapeño基准仅标注为8K 1K（8000输入token、1000输出token），来自开源测试套件InferenceX，未公开AgentX等智能体场景测试数据61% 相似已验证OpenAI o1 系列通过强化学习训练出链式推理（Chain-of-Thought）能力，在数学证明、算法设计和复杂逻辑推理上远超传统 GPT-458% 相似待验证OpenAI使用Semi-Analysis的公开基准InferenceX，在GPT-OSS 120B、DeepSeek R1 670B和Kimi K2 1T三个开放模型上测试Jalapeño55% 相似待验证OpenWebMath专注于从Common Crawl中提取数学相关内容并保留LaTeX公式55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960996API
curl https://kongchang.com/api/v1/knowledge/claims/960996MCP
get_claim(id=960996)