AI 热点

热点事件

SimpleBench团队推出大语言模型多项选择文本基准

1 篇正式报道1 条事件动态更新于 11月21日 21:16

先了解这件事

AI 综述

2026年11月21日,SimpleBench团队推出面向大语言模型的多项选择文本基准SimpleBench。该评测包含200多道题,覆盖时空推理、社交智能和语言对抗鲁棒性。基准结果显示,具备高中常识的普通人得分为83.7%,高于所有受测大语言模型;其中Claude Fable得分为81.9%。人类成绩来自9名参与者的小样本。目前没有其他具备合格事实证据的后续发展。

AI 根据公开报道生成

最新进展 · 正式报道

SimpleBench:人类在基础推理评测中超越所有受测 LLM

事件进展

1 个已确认进展

  1. SimpleBench团队推出大模型多项选择文本基准

    来源:Hacker News 热门

报道与讨论时间线

按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。

11月21日

  1. Hacker News 热门

    SimpleBench:人类在基础推理评测中超越所有受测 LLM

    SimpleBench 显示,具备高中常识的普通人以 83.7% 的基准成绩超过所有受测 LLM,Claude Fable 得分为 81.9%。该多选文本评测包含 200 多道题,覆盖时空推理、社交智能和语言对抗鲁棒性;人类成绩基于 9 名参与者的小样本。

关联事件

  1. 相关事件OpenAI推出药物化学推理基准MedChemBench
  2. 相关事件OpenAI分享打击模型知识蒸馏的新研究
  3. 相关事件Gemini 4 Neon开始逐步上线
  4. 相关事件Thinky Machines发布Inkling 2 Mini