GPQA Diamond

GPQA Diamond是一个面向研究生级别专业知识的问答基准测试，属于GPQA（Graduate-Level Google-Proof Q&A）系列中难度最高的子集。该基准涵盖生物学、化学、物理学等自然科学领域，题目由领域专家设计，旨在评估大型语言模型在高难度专业推理任务上的能力，是衡量前沿AI模型科学理解水平的重要参考标准之一。