机构名称：
¥ 1.0
为了评估增强学习（RL）培训的影响，我们将新优化模型的性能与六个广受认可的基准测试的基础模型进行了系统的比较。这些基准已广泛用于评估大语模型（LLMS），现有结果可在HuggingFace [19]上使用。选定的基准是：小学数学8K（GSM8K）[20] [20]，指导遵循评估（IFEVAL）[21] [21]，Big Bench Hard（BBH）[22] [22]，数学能力测试（数学）[23] [23]，更强大且具有更强大且具有挑战性的多任务语言理解Benchmark（MMLU-Pro）[24] [24] [24] [24] [24]。这些基准共同涵盖了各种语言和认知挑战，包括以下教学，多步推理，数学解决问题，专家级别的问答和复杂的知识综合。下面，我们提供了每个基准及其意义的详细概述。
增强学习是您需要的
主要关键词
相关文件推荐
