应用介绍
在实验设置和实验任务上，研究团队聚焦于以下三个具有一定挑战性的推理基准：涵盖代数、组合数学和几何的 AIME24 和 AIME25，以及包含近期编程竞赛中的复杂编程问题的 LiveCodeBench。在模型选择上，研究团队评估了 Qwen3 和 DeepSeek-R1-DistilledQwen 系列不同模型的性能。
在实验设置和实验任务上，研究团队聚焦于以下三个具有一定挑战性的推理基准：涵盖代数、组合数学和几何的 AIME24 和 AIME25，以及包含近期编程竞赛中的复杂编程问题的 LiveCodeBench。在模型选择上，研究团队评估了 Qwen3 和 DeepSeek-R1-DistilledQwen 系列不同模型的性能。
