3,094
个编辑
更改
跳到导航
跳到搜索
第112行：
第112行： − − * FRAMES 是一项评估模型在长上下文环境中问答能力的基准测试，旨在检测其文档分析和信息提取能力。DeepSeek-R1 在该测试中取得了 82.5% 的准确率，远超 DeepSeek-V3，展现了其在复杂文档分析任务中的显著优势。
→事实性问答
在[[SimpleQA]]基准测试中，DeepSeek-R1 超越了 DeepSeek-V3，证明了其处理基于事实查询的能力。但是在中文 SimpleQA 基准上，DeepSeek-R1 的表现不如 DeepSeek-V3，主要由于安全强化学习（safety RL）导致模型拒绝回答某些问题。
在[[SimpleQA]]基准测试中，DeepSeek-R1 超越了 DeepSeek-V3，证明了其处理基于事实查询的能力。但是在中文 SimpleQA 基准上，DeepSeek-R1 的表现不如 DeepSeek-V3，主要由于安全强化学习（safety RL）导致模型拒绝回答某些问题。
====指令执行与规范化输出====
====指令执行与规范化输出====