ESTBook

[GRPO 详解] DeepSeekMath：推动开放语言模型数学推理能力的极限

研究人员正在开发新的基准和评估方法，用于大型语言模型（LLMs）在数学推理和教育评估方面的能力。新的数据集如 ESTBook 和 Math-PT 旨在超越简单的准确性，专注于教学推理和减少语言偏见。其他研究探讨了自洽性和推理努力对自动评分的影响，研究结果表明战略性模型选择可以优化准确性和成本。此外，正在创建 MaSTer 等框架，以自动生成对抗性测试用例，用于评估和改进 LLM 的鲁棒性。