Qwen3.8-27B 英文单词加法基准测试结果

近期，开发者 Simon Willison 对 Qwen3.8-27B 模型进行了英文单词形式的整数加法基准测试。该实验基于 GPT-4o 的早期研究，在 DGX Spark 本地硬件上通过 Codex Remote (GPT-6 Astra) 复现。测试结果显示，当禁用推理功能时，模型以英文单词形式进行计算，数值准确率为 23.57%，格式合规率为 96.17%。然而，当启用 medium reasoning（中等推理）模式后，模型表现显著提升，在 169 次测试中正确回答了 167 次。这一对比突显了推理能力在处理此类非标准数字表示任务时的关键作用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。