평가·벤치마크Hugh Zhang 외 (Scale AI)
GSM1k 공개
GSM1k 공개 — GSM8k 오염 검증. 새 문제셋에서 성능이 최대 8% 하락
왜 중요한가
벤치마크 오염을 통제 실험으로 측정. 단 프런티어 모델은 과적합 징후가 적다고 보고
출처 — 1차 출처만 싣고, 직접 이동해 확인할 수 있어요
논문arxiv.orghttps://arxiv.org/abs/2405.003322026년 8월 24일에 더한 조각 · 그 주 보기
같은 주에 나온 조각04.29Copilot Workspace 기술 프리뷰공식 발표