AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

OpenCompass Hub

MR-GSM8K

MR-GSM8K 是一个旨在评估最先进大型语言模型（LLMs）元推理能力的挑战性基准。它超越了传统的评估指标，专注于推理过程而非仅仅关注最终答案，从而对模型的认知能力进行更细致的评估。

评测信息与证据

来源: OpenCompass Hub
发布者: HKU, Tencent AI Lab, etc.
评测发布日期: 2023-12-28
采集日期: 2026-08-18
模态: 未收录

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 0

本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。