IXThinker·2026-07-09 20:20

2500道專家難題！LongCoT測長思維鏈推理

新基準匯集2500道專家設計難題，橫跨化學、數學、電腦科學、國際象棋及邏輯，專門衡量大模型長時間跨度的準確推理能力，聚焦規劃與管理漫長思維鏈的表現，為評估複雜自主任務的可靠性提供標準工具。

基準設計

LongCoT收錄2500道由專家設計的跨領域難題，題目由簡短輸入與可驗證答案組成，涵蓋化學、數學、電腦科學、國際象棋與邏輯等範疇，評分客觀可比，避免主觀判斷干擾結果。