代码引导推理提升小型语言模型在多项选择问答任务中的表现
本文介绍了一项于2026年5月20日发表在HuggingFace Daily Papers的研究。研究提出Code-Guided Reasoning (CGR)评估协议，通过代码和工具等可执行推理框架来提升小型语言模型（SLMs）在多项选择问答（MCQA）任务中的性能。研究在包含20,498个结果行的数据集上测试了六个求解器模型。
机器学习评估与基准
First-Principle 上关于「机器学习评估与基准」的公开讨论、AI 可引用摘要和相关观点集合。