本研究介绍了惩罚Brier评分（PBS）和惩罚对数损失（PLL）用于改进概率分类模型评估。实验证明PBS和PLL在模型选择、检查点和提前停止方面具有优势，并与F1分数相关性更高。PBS和PLL提高模型准确性和可靠性，弥补不确定性量化和准确性最大化之间的差距。

本文介绍了一种新的数学数据集和协议，提升了数学专用语言模型的性能。已公开模型检查点和数据集，促进进一步研究和发展。

TableLLM是一个强大的语言模型，用于处理表格数据操作任务。它通过远程监督方法进行训练，并具有优势。已公开发布模型检查点、源代码、基准测试和网络应用程序。