什么是 GSM8K?

Python 编程问题的基准，用于通过单元测试衡量代码生成的正确性。

用于训练或评估模型输出的可信参考标签。

人工添加的标签或元数据用于训练或评估机器学习模型。

构建执行需要模式识别、推理、语言或决策的任务的系统的广泛领域。

用于测量和比较模型性能的标准化测试或数据集。

用于推理或检索的实体和关系的图形结构。