解读表格内容，评估大模型在GSM8K上的过拟合程度，研究者通过GPT4生成与GSM8K形式相似样本，并在参考集官方训练集与测试集上计算损失设定两个指标，衡量模型未见过测试集或训练集时的过拟合情况指标一，若模型训练时不遇测试集，指标值应趋近于零反之，模型在测试任务上直接利用测试集训练指标；天工作为国产大语言模型，表现...