Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）のスレッド

上限を設定した逆エラー率を使用することで、飽和に近いベンチマークを再利用できます。あるいは、より原理的な計算式を使用することもできます。 実際、これはもっと厳しいベンチマークよりも価値があると思います。モデルの信頼性を確認できる1000項目のAIME-Pro拡張を想像してみてください。