基准
GSM8K
小学数学应用题基准测试，包含8500道小学水平数学题，用于评估大语言模型的基础数学推理能力
时间轴 (近 90 天)
8月4日
GSM8K, released by OpenAI, contains approximately 8,500 elementary school math word problems designed to test multi-step reasoning ability
待验证90%
7月10日
MMLU包含57个学科领域约1.5万道选择题，HumanEval由OpenAI设计包含164道Python编程题，MATH包含12,500道竞赛数学题，GPQA收录研究生级别科学问题
待验证50%