BullshitBench v2
Peter Gostev / BullshitBench / 知識問答 · 識別問題裡的錯誤前提,觀察模型會不會順著錯誤繼續編造。
在 888news 中參與排名
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼,怎麼測
取官方 v2 最新榜單的 green rate:所有嘗試中明確識破錯誤前提的比例。同一型號按最高推理檔位選代表配置,選擇不看分數。
如何使用這份依據
計分:知識問答領域的識破錯誤前提一類。
評測局限與數據署名
全部為錯誤前提題,不代表一般知識廣度;由模型裁判判定。
數據許可:MIT · Copyright (c) 2026 Peter Gostev;官方成績隨同倉庫釋出,無單獨資料許可例外。
成績由 Peter Gostev / BullshitBench 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。