待验证50% 置信发布精确时间

ExtractBench Pro 是一个新发布的基准测试，专门针对现实文档中'图表+文档'的复杂推理任务设计。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/20

首次发现

有效期至：2027/1/18

来源

ExtractBench Pro揭示：复杂图表推理仍是前沿模型短板

涉及实体

ExtractBench Proproduct

相关事实

待验证ExtractBench Pro将成本纳入基准评价体系，推动更贴近生产环境的评价标准。67% 相似待验证Winograd Schema Challenge旨在测试常识推理，后来被发现存在统计捷径，模型可不真正理解语义就获得高分62% 相似待验证τ2-bench是专门评估大模型工具调用能力的基准测试，模拟真实世界中智能体需要处理的复杂多步工具调用场景62% 相似待验证CXBench 是一个用围棋测评大模型能力的项目61% 相似待验证ONGRID是一个GraphRAG工具，除了检索和生成外，还增加了判断答案是否可信的步骤。60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073159

API

curl https://kongchang.com/api/v1/knowledge/claims/1073159

MCP

get_claim(id=1073159)