待验证50% 置信事实精确时间

HLE（Humanity's Last Exam）是由Scale AI联合众多领域专家构建的极高难度综合知识测试

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Iris搜索智能体：反向数据构建与SFT-RL交替训练实现多跳推理突破

涉及实体

HLEproduct Scale AIcompany

相关事实

待验证ECI旨在解决传统基准测试（如MMLU、HumanEval等）各自为政、难以横向比较的问题，回答模型能力相当于什么时间节点技术水平的问题67% 相似已验证HumanEval、MBPP、SWE-bench是AI编程评测领域的行业标准基准测试66% 相似已验证AI领域模型能力的可信评估依赖标准化基准测试，常见评测集包括MMLU、HumanEval、MATH、GPQA63% 相似待验证MMLU、HumanEval、MT-Bench是AI社区广泛认可的标准化基准测试集62% 相似待验证科大讯飞长期承接多省高考英语口语机考项目，其AI评测技术经过真实考试数据校验62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/915233

API

curl https://kongchang.com/api/v1/knowledge/claims/915233

MCP

get_claim(id=915233)