来源:paper-fixed:PDF p. 8, Table 1
这条 Claim 暂无已发布的不可变 Assessment。
这条 Claim 暂无关联执行。
已评估 0/36 项
保留同一结论下的完整结果组。已有评估排在前面;单项判断不替代整组结论。展开行查看条件、来源与历次证据。
| 指标与条件 | 论文报告 | 最近可用实测 | 证据判断 |
|---|---|---|---|
model: LLaDA-8B-Instruct · dataset: GSM8K · generationLengthTokens: 128 | 68.7% | — | 尚未评估 |
model: LLaDA-8B-Instruct · dataset: GSM8K · generationLengthTokens: 256 | 76.7% | — | 尚未评估 |
model: LLaDA-8B-Instruct · dataset: GSM8K · generationLengthTokens: 512 | 78.2% | — | 尚未评估 |
model: D1 · dataset: GSM8K · generationLengthTokens: 128 | 72.2% | — | 尚未评估 |
model: D1 · dataset: GSM8K · generationLengthTokens: 256 | 80.6% | — | 尚未评估 |
model: D1 · dataset: GSM8K · generationLengthTokens: 512 | 81.3% | — | 尚未评估 |
model: WD1 · dataset: GSM8K · generationLengthTokens: 128 | 74.6% | — | 尚未评估 |
model: WD1 · dataset: GSM8K · generationLengthTokens: 256 | 80.8% | — | 尚未评估 |
model: WD1 · dataset: GSM8K · generationLengthTokens: 512 | 83% | — | 尚未评估 |
model: ESPO · dataset: GSM8K · generationLengthTokens: 128 | 75.3% | — | 尚未评估 |
model: ESPO · dataset: GSM8K · generationLengthTokens: 256 | 79.9% | — | 尚未评估 |
model: ESPO · dataset: GSM8K · generationLengthTokens: 512 | 81% | — | 尚未评估 |