本研究针对大型语言模型在数字理解方面的不足，提出了涵盖四种数字表示和17种任务的基准测试，结果显示现有模型表现不佳，传统改进方法效果有限，为提升数字理解能力提供了新思路。

本文提出了一种新方法，通过锚定数字来增强预训练语言模型的数字推理能力。实验结果表明，该方法在数字理解和推理任务上，特别是在DROP数据集和数学问题上，显著提升了模型表现。研究还探讨了不同的数字嵌入方法和模型架构，以提高数字处理的准确性和效率。