CRUX-O与BBH的评测 #2055
Description
测试Qwen3-Base：
在CRUX-O上
0.6B和1.7B分数接近，但是4B官方报55.00，我们只能测到48；
8B报62，我们只能测到55
在BBH上：
0.6B报41.47，我们测38.44；
4B报72.59，我们只能测到63.26；
8B报78.40，我们测68.52
{{ message }}
测试Qwen3-Base：
在CRUX-O上
0.6B和1.7B分数接近，但是4B官方报55.00，我们只能测到48；
8B报62，我们只能测到55
在BBH上：
0.6B报41.47，我们测38.44；
4B报72.59，我们只能测到63.26；
8B报78.40，我们测68.52