Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Правильный ответ неправильная оценка раскрытие несоответствий оценки LLME в тестах с выбором ответа.
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
модели показывают лучшую производительность когда могут генерировать более длинные рассуждения, но выигрыш становится маргинальным после определенного порога (1000+ символов)