基准
SuperGPQA
一个大规模科学知识问答评测基准，用于测试AI模型在多领域科学问题上的推理与知识能力
时间轴 (近 90 天)
10月2日
在SuperGPQA基准上，极简基线仅在54.0%题目上首轮正确，职业画像达到71.6%，但该优势来自提示词长度或格式而非领域专业知识
待验证50%
10月2日
SuperGPQA是一个覆盖285个细分学科的大规模研究生水平知识问答基准，题目以封闭式单选为主
待验证50%
一个大规模科学知识问答评测基准，用于测试AI模型在多领域科学问题上的推理与知识能力
在SuperGPQA基准上，极简基线仅在54.0%题目上首轮正确，职业画像达到71.6%，但该优势来自提示词长度或格式而非领域专业知识
SuperGPQA是一个覆盖285个细分学科的大规模研究生水平知识问答基准，题目以封闭式单选为主