來自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文串

你可以透過使用限制逆誤差率來重新利用接近飽和的基準測試。或使用更嚴謹的公式。 事實上，我認為這比那些更難的基準測試更有價值。想像一下，一個包含 1000 個項目的 AIME-Pro 擴充包，可以讓你了解模型的可靠性。