🤖介绍 OptimalThinkingBench 🤖 📝: - 思考型 LLM 使用大量的 tokens 并且过度思考；非思考型 LLM 则思考不足且表现不佳。 - 我们引入了一个基准，评分模型以寻找最佳组合。 - OptimalThinkingBench 报告了 F1 分数，结合了 OverThinkingBench（72 个领域的简单查询）和 UnderThinkingBench（11 个具有挑战性的推理任务）。 - 我们评估了 33 种不同的 SOTA 模型，发现需要改进！ 🧵1/5