IXThinker·2025-03-05 15:30

字節聯手開源社群 推285學科知識推理評測

大模型通用知識推理評測迎來「強化版」：字節跳動豆包大模型團隊聯合M-A-P開源社區推出SuperGPQA，覆蓋285個學科。這項評測直指MMLU、GPQA等流行基準覆蓋窄、區分度不足的痛點，堪稱大模型評測的「黃岡密卷」。

舊基準局限

過去幾年，通用評測逐漸同質化：GPQA、MMLU-Pro、MMLU等流行基準幾乎各家模型出街必備，但覆蓋範圍通常不足50個學科，不含長尾知識，挑戰性與區分度也不夠，越來越難評估模型真實能力。