Unverified50% confidenceReleaseExact time
OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/19/2026
First Seen
Valid until: 10/17/2026
Sources
Related Claims
Unverified字节跳动发布EdgeBench基准测试，用于评估自主AI Agent的长期学习能力，涵盖134个跨6大类别任务，已公开51个任务71% similarUnverifiedGeneBench-Pro是一个新发布的基准测试，旨在系统性评估AI在基因组学、生物学以及科学研究场景中的真实表现69% similarUnverifiedOpenAI、Anthropic等机构已开始采用动态基准（Dynamic Benchmarks）策略，定期更新测试集并引入对抗性样本以保持评估效度66% similarUnverifiedAISI的评估采用多层次测试框架，参照CVE数据库中的真实案例，同时设计全新挑战场景测试模型泛化能力66% similarUnverified标准AI基准测试包括MMLU（涵盖57个学科的综合知识测试）、GPQA（研究生级别专业问答）、SWE-bench（真实软件工程任务）、HumanEval和MBPP（编程能力）、MATH和GSM8K（数学推理）66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/561863API
curl https://kongchang.com/api/v1/knowledge/claims/561863MCP
get_claim(id=561863)