一级标题一级标题一级标题一级标题一级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
二级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
三级标题三级标题三级标题三级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
四级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
五级标题
text
六级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
一级标题
OpenAI 2021 年提出的 GSM8K（Grade School Math 8K）小学数学题数据集已成为评估 LLM 数学推理能力的流行基准。尽管它包含了详细的解决方案的简单数学问题，适合使用思维链（CoT）提示等技术，但它只提供了一个固定问题集上的单一指标。论文作者提出了 GSM-Symbolic，这是一个增强的基准，它使用符号模板生成 GSM8K 问题的多样化变体。这使得研究者能够对 LLM 在各种设置中的性能进行更细致和可靠的评估，超越了单点准确度指标。
简而简之，GSM8K是包含一堆了鸡兔同笼问题的试卷，让GPT去进行考试，最后对GPT的成绩进行打分。而GSM-Symbolic是一个更为完备的GSM8K，具备更为丰富的试题，更为完善的考试标准，更专业的阅卷老师。
二级标题
text
三级标题
text
四级标题
text
五级标题
text
六级标题
text
