AGI Hunt· AIFlow_ML·· 6 小时前AI 评分56
Qwen3.8-27B 限制思考预算后的 GPQA 实测对比
反直觉:给 Qwen3.8-27B 设思考上限,GPQA 反而从 115 涨到 160
AI 导读
一张流传的 Qwen3.8-27B 实测对比图称,限制思考长度后,GPQA Diamond 得分在三种硬件配置下均上升。Mac Studio M5 Ultra(MLX 4-bit,cap 4096)从 115 升至 160,1× DGX Spark 和 RTX 5090(NVFP4,cap 8192)均从 131 升至 172。数据来自原帖实测,转载方未复跑。
来源:AGI Hunt · agihunt.info