IXThinker·2025-04-01 20:50

上海交大推出奧賽級基準 OlympicArena

上海交通大學 GAIR Lab 推出多學科認知推理基準 OlympicArena，以奧林匹克競賽級難度檢驗 AI 的綜合解難能力。結果顯示，連 GPT-4o 的整體準確率也僅約 34%，開源模型更普遍不足兩成。

基準設計初衷

為進一步挑戰 AI 系統，研究界開始借助國際奧林匹克競賽與算法挑戰中的難題，但此前尚無奧林匹克級別、覆蓋多學科的基準，能全面評估綜合解決問題的能力，檢驗人工智能的整體認知水平。OlympicArena 正為填補這一空白而生。