来自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文线程

你可以通过使用限制逆误差率来重新利用接近饱和的基准测试。或者使用更严谨的公式。 事实上，我认为这比那些更难的基准测试更有价值。想象一下，一个包含 1000 个项目的 AIME-Pro 扩展包，可以让你了解模型的可靠性。