IXThinker·2025-01-07 13:00

SuperCLUE科學推理中文基準測評發布

針對大語言模型在高難度科學題目上的推理能力，中文綜合基準團隊發布「科學推理中文基準測評」（SuperCLUE-Science）方案，聚焦評估中文大模型在研究生級別科學題目上的表現。

測評背景與動機

OpenAI去年12月初發布的o1展現強大的科學推理能力，在測試研究生級別物理、化學、生物專業知識的GPQA-Diamond基準上，表現比肩人類博士水平，帶動業界重新審視科學推理的評估方式。