基准
数学推理基准
用于评估模型数学推理能力的标准化测试集，常见于知识蒸馏和推理能力评测。
时间轴 (近 90 天)
11月6日
D²-OPD在数学推理基准的三种设定下均取得最高分，相比最强基线方法最高提升了9.45分。
待验证50%
11月3日
L2RR在六个数学推理基准和三种模型规模上进行了实证评估，结果表明L2RR提升了目标域性能，同时提高了rollout效率。
待验证50%
用于评估模型数学推理能力的标准化测试集，常见于知识蒸馏和推理能力评测。
D²-OPD在数学推理基准的三种设定下均取得最高分，相比最强基线方法最高提升了9.45分。
L2RR在六个数学推理基准和三种模型规模上进行了实证评估，结果表明L2RR提升了目标域性能，同时提高了rollout效率。