Det mest anmärkningsvärda med detta resultat är att denna namnlösa experimentella resonemangsmodell uppnådde denna poäng utan någon verktygsanvändning alls - det ser ut som om det bara är ännu en klassisk nästa-token-förutsägande LLM med en massa förstärkningsinlärning ovanpå

@brandonwilson @Yossi_Dahan_ Motsätter mig inte alls detta, av skäl som delvis illustreras här