#AIME 2025

小互

1个月前

Deepseek 官方公布了 DeepSeek-R1-0528 细节 ↓🧵 推理能力全面增强：通过加大后训练算力，模型的思维深度与推理能力显著提升。AIME 2025 测试中准确率从 70% 提升至 87.5%。幻觉率显著降低：在摘要、改写、阅读理解等场景下幻觉率下降约 45~50%。输出内容更可靠，事实一致性更高。

深度学习模型升级引发AI能力大跃进，行业迎新变革· 20 条信息

#DeepSeek #DeepSeek-R1-0528 #推理能力 #AIME 2025 #幻觉率

勃勃OC

4个月前

xAI 的新大型语言模型 Grok 3 发布 Grok 3具备推理能力，以及一个Grok-mini的小模型在 LMArena 上的 ELO 评分达到 1400，排名第一 AIME 24 —— 52% [推理后 96%] GPQA —— 75% [推理后 85%] 编程（LiveCodeBench）—— 57% [推理后 80%] 此外，在最新的数学竞赛 AIME 2025 中取得了 93% 的成绩，击败了 o3-mini-high。

#XAI #大型语言模型 #Grok 3 #Grok-mini #LMArena #ELO评分 #推理能力 #AIME 24 #GPQA #编程 #LiveCodeBench #数学竞赛 #AIME 2025