开发者您好，我在对该模型（sglang框架下）进行GPQA benchmark测试的时候发现，该模型需要特别长的思考过程才能给出一个结果。导致总的GPQA benchmark时间特别长。请问下有什么推荐的测评设置吗，在model card的结果中，GPQA benchmark运行花费了多长的时间？
模型在思考一段时间之后出现不合理输出并重复
· Sign up or log in to comment
