根据Andrej Karpathy在X平台（原Twitter）的引用，GSM8K论文自2021年发表以来，成为大语言模型（LLM）数学推理能力评测的重要基准（来源：https://twitter.com/karpathy/status/1966896849929073106）。该数据集包含8,500条高质量小学数学题，被广泛用于AI模型性能评估、缺陷识别与推理优化。GSM8K的应用推动了AI教育产品和自动化解题工具的商业化发展，促进了AI行业在智能教育和逻辑推理领域的持续创新（来源：GSM8K论文，2021）。