基准MATH500
MATH500
一个包含500道数学竞赛题的评测基准，常用于评估大语言模型的数学推理能力
时间轴 (近 90 天)
10月2日
实验在Qwen2.5-7B-Instruct上进行，使用Math-Shepherd作为PRM，在MATH500数据集（n=500，三个随机种子）上测试
待验证50%
一个包含500道数学竞赛题的评测基准，常用于评估大语言模型的数学推理能力
实验在Qwen2.5-7B-Instruct上进行，使用Math-Shepherd作为PRM，在MATH500数据集（n=500，三个随机种子）上测试