Humanity's Last Exam 是什么
Humanity's Last Exam 被介绍为由全球专家合作开发的多模态基准测试,用于衡量大型语言模型在学术领域的表现,难度较高。
你可以用它做什么
- 评估并比较不同语言模型的学术表现
- 从测试结果发现模型弱点
- 把结果作为了解 AI 进展的参考
如何开始
- 访问官网了解测试信息和规则
- 下载公开数据集做初步评估
- 提交结果获取量化评估指标
优点与缺点
✓ 我们认可的地方
- 保留私有测试集以防止过拟合
- 提供准确率和校准误差的量化评估
! 需要留意的地方
- 部分问题作为私有测试集不公开
- 评估通过列出的指标呈现
常见问题
有多少道题?
资料写明 3000 个问题,覆盖超过 100 个学科。
衡量什么?
资料列出准确率和校准误差。
最后评测: 2026-11-15
更多 大模型 API 平台 工具
查看全部 →-
302.AI 把数百个大模型收在一个 API 后面的聚合云平台 开发者工具 API 集成 多模型平台 模型部署 大模型 API 平台 -
360智脑开放平台 360 大模型 API 平台 API 集成 多模型平台 知识库问答 企业自动化 大模型 API 平台 -
4o Image API 图像生成 API 网关 免费 工具 免费增值 工具 开发者工具 API 集成 大模型 API 平台 -
AI-Flow 无代码的多模型工作流 工作流自动化 开发者工具 API 集成 知识库问答 大模型 API 平台 -
AI/ML API 一个网关接入众多模型 开发者工具 API 集成 多模态 多模型平台 大模型 API 平台 -
Amazon Bedrock 带安全扫描的 AWS 代码建议 免费 工具 代码助手 集成开发环境 应用搭建器 大模型 API 平台