Unverified50% confidenceFactExact time
TestHallVQA 是一个多图 VQA 基准，结合了文档级规模、人类考试级别的难度以及可控的上下文冗余注入
1
Sources
50%
Confidence
Long-term
Relevance
9/15/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedTestHallVQA 取材自科学考试场景73% similarUnverified通用基准如MMLU、GPQA、HumanEval的测试形式通常是单轮问答或独立任务，无法反映复杂工作流中的持续推理和工具协调能力67% similarVerified软件测试按研发阶段可分为四个层次：单元测试、集成测试、系统测试和验收测试61% similarUnverifiedOffice QA基准测试涵盖Word、Excel、PDF等格式中的信息抽取、表格推理和跨文档问答任务61% similarVerified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）60% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/921799API
curl https://kongchang.com/api/v1/knowledge/claims/921799MCP
get_claim(id=921799)