PUZZLEWORLD: A Benchmark for Multimodal, Open-Ended Reasoning in Puzzlehunts
最近出了几篇puzzle的工作，但这篇和之前的不一样。他不是手动构造的，而是从一个叫puzzlehunt的地方爬下来的。作者标注了答案、思考过程，由此做成了一个667道题的测试集。
dots.llm1 Technical Report
小红书出的LLM，11T训练量、140B激活14B的MoE、开源、没有用合成数据
这还是小红书吗
2025-06-09-insights
相关文章