Unverified50% confidenceFactExact time
GSM8K是小学数学推理测试基准
1
Sources
50%
Confidence
Long-term
Relevance
9/8/2026
First Seen
Sources
Related Entities
Related Claims
Unverified评估大语言模型推理可靠性的系统化基准测试包括GSM8K、MATH竞赛题集和BIG-Bench Hard67% similarUnverifiedAI模型基准测试通常在MMLU、HumanEval、GSM8K等标准数据集上评估模型的推理、编码和数学能力61% similarUnverified主流AI基准测试如MMLU、HumanEval、GSM8K主要评估知识问答、代码生成和数学推理能力，尚无成熟框架能评估模型在情感真实性上的表现57% similarUnverified作者对8种分类器进行了基准测试，包括逻辑回归、随机森林、XGBoost、LightGBM等56% similarVerifiedMMLU评估模型在57个学科领域的知识广度，HumanEval测量代码生成正确率，GSM8K考察数学推理，HELM构建综合多维评估框架55% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/874510API
curl https://kongchang.com/api/v1/knowledge/claims/874510MCP
get_claim(id=874510)