1. 苹果的那篇论文<<GSM-Symbolic: Understanding the Limitations of

Mathematical Reasoning in Large Language Models>> 引起了很多人对AI大模型推理
的质疑，认为AI大模型实际更像是pattern matching记忆器，并不是真正懂推理genuin
e reasoning）。

2. 本来想看一下这篇论文之后一些模型的GSM-Symbolic基准测试结果和GSM8K的对比，
是否依然存在一致性的较大差距。

结果发现，最近的一些模型，都没有再给出（没有找到）GSM-Symbolic基准测试结果了
。

()

有没有人构造或经历过1-2个简单好用的测试题目的例子，来证伪这些新的模型，依然在
GSM-Symbolic基准测试上，获得和GSM8K一致的准确率？

3. 不知道Outcome-Reward RL 和 Pattern Matching之间，是否会存在关系

就是说，强调结果奖励强化学习的模型，是否可能更易成为Pattern Matching的，而不
是真正的推理（genuine reasoning）. 而强调过程奖励强化学习的模型，是否GSM-Sym
bolic基准测试的结果可能会更好。
--
FROM 223.104.40.*