[控场AI]
基准RLMEval子集

RLMEval

包含理论计算机科学聚焦子集的评估基准,用于衡量模型在数学推理任务上的pass@1表现。

时间轴 (近 90 天)

11月17日

Turing Agent 在聚焦TCS的RLMEval子集上取得了83%的整体pass@1成绩。

待验证50%

全部知识事实 (1)

来源文章