Hugging Face 推出 Open CoT Leaderboard：衡量 LLM 的思维链增益

Hugging Face 推出 Open CoT Leaderboard，通过对比模型在有无思维链（CoT）提示下的准确率差值（accuracy gain Δ），衡量 LLM 生成有效推理轨迹的能力，而非绝对准确率。该榜单使用 LogiQA、LSAT 等逻辑推理任务，已实现 Classic 和 Reflect 两种提示策略，旨在更稳健地评估模型推理能力并规避训练数据污染问题。