IXThinker·2025-11-12 10:50

推理模型評測揭示思維鏈與答案不符隱患

智源FlagEval智能評測組聯同北京大學實驗室，歷時半年多系統重構面向推理能力的評測體系，涵蓋逾60組模型設定，揭示推理模型在「更智能」表象下的深層隱患。

評測體系設計

團隊設計多維度評測方案，並專門構建一套從未出現在主流大模型訓練過程中的評測數據，主客觀結合，力求以科學公正的標準還原模型的真實推理水平。