LiveMath 成绩包含 125 个测试项目,但发布的分数包含 124 个项目

嗨,斯基奥普特团队,

我在表1中发现LiveMath拆分和Qwen结果之间可能存在不匹配.

公布的货单包括`35/18/124'列车/值班/测试物品。 然而,报告的一些分数与125分母完全吻合:

• Quen3.5-4B:无技能22.4=28/125'、Trace2技能27.2=34/125'、技能`52.0=65/125'
• Qune3.6-35B-A3B:无技能31.2=39/125',Trace2Skill-29.6=37/125',技能41.6=52/125'

有124个二进制精确匹配的例子,四舍五入后,“52.0++”和“41.6+++”都无法实现。

对于177项总项目,`2:1:7'的分数可以是:

• `35/17/125',如果列车和Val为地板并进行其余试验;
• `35/18/124',目前释放的剩余部分最多。

能否确认表1是否使用了前 “35/17/125” 拆分,并公布原始的 LiveMath 清单或逐项结果?

相关: 第108期.

谢谢!