[控场AI]
基准

Reasoning Gym

一个用于评估语言模型推理能力的基准测试集,包含逻辑和游戏等任务。

时间轴 (近 90 天)

11月2日

在Reasoning Gym基准上,使用Gemma-3-4B模型,CRoS在五个未见过的逻辑和游戏数据集上达到了46.8%的准确率,超过了最强基线(43.8%)。

待验证50%

全部知识事实 (1)

来源文章