待验证60% 置信事实精确时间
AI领域常见评测集包括MMLU、HumanEval、MATH、GPQA，均有公开标准题库和评分方法可独立复现
2
来源数
60%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
「GPT-5.6」真相揭秘：虚假传闻与第三方充值陷阱辨析
bilibili小小阿白6662026/7/9
相关事实
待验证业界常用的AI评测基准包括MMLU、HumanEval、GSM8K等，每个基准只能衡量特定维度的能力75% 相似待验证MMLU、GPQA、SWE-bench是当前AI社区广泛认可的模型评估基准74% 相似待验证综合智能指数AA由独立评测机构Artificial Analysis发布，汇总MMLU、GPQA、HumanEval、MATH等基准，计算0-100的综合分数72% 相似待验证Artificial Analysis的Intelligence指数是对一系列现有Benchmark（如MMLU、HumanEval、MATH等）做加权平均得到的综合分数70% 相似待验证负责任发布应透明标注哪些部分由AI生成、使用何种系统及人类验证工作量69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/460478API
curl https://kongchang.com/api/v1/knowledge/claims/460478MCP
get_claim(id=460478)