震惊！知名 AI 大公司竟做出这种事……

[boboliu]

早晨看到 Gemma2 的跑分就觉得不对，里面 llama3 那个 666 的 mmlu 太标志性了，抽空把这两个都跑了一遍 GSM-8K

谷歌这宣传资料很明显是用自家微调过的模型打 llama3 的基础模型，脸都不要了

全部 bench 都是原汁原味的 pytorch 运行，
gemma2 发了个 f32 的 base 我还用 f32 跑的，慢的想死

[luckykong]

厉害，这事做的，都不知道该如何评价了

[hantianyang]

nb

[Donaldo]

大厂嘛，不稀奇。。

[kaichen]

他这里有 5-shot 的标注耶，应该是没公开 prompt 的情况吧

[boboliu]

@kaichen 没有，5shot maj@1 本来就是 gsm-8k 常规的评估方法，即使受随机 icl 样本的影响，分数影响也不应该这么大