跳到正文
arXiv · ML· Xin Li, Mengbing Liu, Yiyang Zhu, Wenhe Zhang, Li Wei, Jiancheng An, Chau Yuen·· 10 天前AI 评分30

WirelessMathBench-XL:无线数学推理的可审计基准

WirelessMathBench-XL: An Auditable Benchmark for Wireless Mathematical Reasoning

AI 导读

构建了包含 4,027 道题目、源自 836 篇 arXiv 论文的无线数学推理基准 WirelessMathBench-XL。 引入 reverse-probe n-gram 审计机制,利用 12.9 B RedPajama-arXiv 13-grams 确认 95.7% 题目无重叠。 前沿模型准确率介于 86.5%-91.3% 之间,GRPO 训练使 7B 模型表现提升 25.1 pp。

来源:arXiv · ML · arxiv.org