跳到正文
Hugging Face Blog·· 2025-02-14AI 评分48

Hugging Face 使用 Math-Verify 修复 Open LLM Leaderboard 数学评估

Fixing Open LLM Leaderboard with Math-Verify

AI 导读

Hugging Face 使用 Math-Verify 重新评估了 Open LLM Leaderboard 上的 3751 个模型,解决了旧评估器对答案提取和解析的缺陷。更新后,模型平均多解决 61 题,Qwen 和 DeepSeek 模型的数学得分分别翻倍和接近三倍。Nvidia 的 AceMath 模型现居 MATH-Hard 榜单首位。

来源:Hugging Face Blog · huggingface.co