模型数学能力评测全指南：从基准、数据集到选型落地，避开常见坑 1.1 从通用能力评测到数学专项评测 我最早做模型评测时，习惯把数学看成通用能力里的一项。语言理解、常识问答、代码生成、数学解题，全都塞进同一套试卷。跑完分数一看，模型好像都挺强。可我仔细翻看错题，发... chuanbook · 2026-10-16 · 24分钟 · 1
