SuperGPQA：字节开源全新知识推理测评集，覆盖285个学科
字节跳动与M-A-P开源社区推出全新大模型评测基准SuperGPQA，解决传统基准学科覆盖窄、题目质量低和评测维度单一的问题。SuperGPQA涵盖285个研究生级学科，26529道专业题目，耗时半年由近百位学者标注。实验表明，即使DeepSeek-R1在SuperGPQA上的准确率也仅61.82%，显著低于传统评估。该基准已在HuggingFace和GitHub开源，首次实现全学科覆盖，填补行业空白，并揭示国内模型在某些领域超越国际水平。来源：https://mp.weixin.qq.com/s/3pBXCpUUdCW9LjXyY8RM5g
页:
[1]