GSM8K Matematica EXTERNO · PROYECTO SATURADO
OpenAI · Versión: original-1319 · Métrica: exact match
Última verificación: 18/09/2026 · Dirección: mayor suele ser mejor
Qué mide
Mide resolucion de problemas matematicos de escuela primaria: 1319 problemas con respuesta numerica exacta.
Dataset: 1319 problemas de matematica elemental con respuesta exacta.
Qué NO mide
No mide matematica avanzada, demostraciones, ni razonamiento olimpico.
Metodología
Coincidencia exacta de la respuesta final (a veces con tolerancia de formato segun harness).
- original-1319 · dataset 1319-problems · Saturado en frontera.
Cómo interpretar el número
Proporcion de respuestas exactas. Mayor suele ser mejor.
Limitaciones
Saturado en modelos frontera (precision mayor a 97%): bajo poder discriminativo actual.
Resultados disponibles (0)
Ordenado de mayor a menor: en esta métrica, mayor suele ser mejor. Esto ordena por esta medición específica; no es un ranking general del modelo.
Benchmark documentado, resultados pendientes de carga verificada. La ausencia de resultados es preferible a resultados sin trazabilidad.