跳到正文

Humanity’s Last Exam

CAIS / Scale AI / 科研 · 橫跨學科的高難度學術知識與推理。

官方評測
在 888news 中觀察中
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

固定題集、工具條件和裁判;HLE、HLE-Rolling 與帶工具結果分別比較。AA 統一復跑、獨立公佈的 HLE 已計分,將來若有可用專項成績,只用於分類,不在綜合榜重複計票。

如何使用這份依據

觀察中:AA 統一復跑的 HLE 已計分;官方榜單接受各家自報成績,暫不計分。

評測局限與數據署名

觀察中:AA 統一復跑的 HLE 已計分;官方榜單接受各家自報成績,暫不計分。

數據許可:評測程式碼 MIT;官方榜單成績再展示邊界尚待確認。

成績由 CAIS / Scale AI 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。