ARC Prize：Qwen3.8-27B聊天模板影响推理得分
热点事件历史事件
ARC Prize：Qwen3.8-27B聊天模板影响推理得分
2 篇报道1 个报道来源2026-10-02更新
先了解这件事
AI 综述
ARC Prize 公布阿里千问 Qwen3.8-27B 在 ARC-AGI（Verified）的评测结果：ARC-AGI v2 得分 42.4%，每任务成本 $0.45；ARC-AGI v1 得分 87.5%，每任务成本 $0.22。 ARC Prize 通过 Baseten 测试该模型后发现，其自带聊天模板会按推理档位注入不同指令：low 档要求思考简短聚焦，xhigh 档要求仔细思考、检查假设并考虑替代方案，medium 档则不加任何指令。ARC Prize 称，这可能解释 medium 档消耗更多 token 却得分低于 low 档的现象——这些档位改变的是模型解题时的指令方式，而非单纯扩大思考预算。
AI 根据报道生成 · 25 天前更新
最新进展10月2日 04:08
Qwen3.8-27B 聊天模板影响推理分数报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- ARC PrizeQwen3.8-27B 聊天模板影响推理分数
ARC Prize 通过 Baseten 测试 Qwen3.8-27B，发现其自带聊天模板会按推理档位注入不同指令：low 要求思考简短聚焦，xhigh 要求仔细思考、检查假设并考虑替代方案，medium 则不加任何指令。这可能解释了 medium 档得分偏低——这些设置改变的是模型解题的指令方式，而非单纯扩大思考预算。
- ARC PrizeQwen3.8-27B ARC-AGI（Verified）成绩公布：v2 得分 42.4%，v1 得分 87.5%
ARC Prize 公布阿里千问 Qwen3.8-27B 在 ARC-AGI（Verified）的评测结果：ARC-AGI v2 得分 42.4%，每任务成本 $0.45；ARC-AGI v1 得分 87.5%，每任务成本 $0.22。Qwen 的聊天模板为 low 和 xhigh 推理档提供引导，但没有 medium 档，这可能是 medium 档消耗更多 token 却得分低于 low 的原因。