Hugging Face 用 Math-Verify 修复开源 LLM 排行榜

Hugging Face 宣布在其开源 LLM 排行榜中引入 Math-Verify 工具，以修复数学评估中的评分错误。此前，排行榜上的数学任务（如 GSM8K、MATH）因解析模型输出格式不一致导致分数偏差。Math-Verify 通过标准化答案提取和验证流程，提高了评估的准确性和公平性。该工具已开源，开发者可自行集成。此举旨在提升排行榜的可信度，帮助社区更可靠地比较模型性能。