2022AktywnyAktualizacja: 22 września 2026Opublikowany
Zestaw ewaluacji ilościowego rozumowania spopularyzowany przez model Minerva (Google) — obejmuje m.in. MATH, GSM8K i zadania STEM na poziomie uczelnianym.
Kluczowa
innowacja
Zebranie ilościowego rozumowania STEM w spójny zestaw ewaluacyjny (model Minerva).
Kategoria
Ocena jakości
Poziom abstrakcji
Building block
Poziom operacji
Ewaluacja (runtime)
Zastosowania
Ewaluacja rozumowania ilościowegoBenchmarking modeli matematycznychZadania STEM
Jak działa
Model rozwiązuje zadania z MATH/GSM8K/STEM z rozumowaniem krok po kroku; wynik to trafność odpowiedzi końcowych.
Rozwiązany problem
Brakowało spójnego punktu odniesienia dla ilościowego, wieloetapowego rozumowania STEM.
