来源:paper-fixed:PDF pp. 8–9, Section 4.2 Q6 and Table 3
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 0/18 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 |
|---|---|---|---|
dataset: MATH-500 · variant: base · sharpnessD: 0.5 · hostFramework: GDPO | 35.5% | — | 尚未评估 |
dataset: MATH-500 · variant: IM · sharpnessD: 0.5 · hostFramework: GDPO | 37.3% | — | 尚未评估 |
dataset: MATH-500 · variant: IW · sharpnessD: 0.5 · hostFramework: GDPO | 37.2% | — | 尚未评估 |
dataset: Countdown · variant: base · sharpnessD: 0.5 · hostFramework: GDPO | 60.6% | — | 尚未评估 |
dataset: Countdown · variant: IM · sharpnessD: 0.5 · hostFramework: GDPO | 61.3% | — | 尚未评估 |
dataset: Countdown · variant: IW · sharpnessD: 0.5 · hostFramework: GDPO | 62.4% | — | 尚未评估 |
dataset: MATH-500 · variant: base · sharpnessD: 1.5 · hostFramework: GDPO | 35.5% | — | 尚未评估 |
dataset: MATH-500 · variant: IM · sharpnessD: 1.5 · hostFramework: GDPO | 37% | — | 尚未评估 |
dataset: MATH-500 · variant: IW · sharpnessD: 1.5 · hostFramework: GDPO | 37.1% | — | 尚未评估 |
dataset: Countdown · variant: base · sharpnessD: 1.5 · hostFramework: GDPO | 60.6% | — | 尚未评估 |
dataset: Countdown · variant: IM · sharpnessD: 1.5 · hostFramework: GDPO | 63.3% | — | 尚未评估 |
dataset: Countdown · variant: IW · sharpnessD: 1.5 · hostFramework: GDPO | 63% | — | 尚未评估 |