基准饱和

基准测试分析

MMLU 多年来主导了AI基准测试，然后模型开始精通答案

MMLU定义了一代人工智能基准测试，但训练数据污染和有缺陷的答案密钥促使前沿实验室转向动态替代方案，如HLE和GPQA Diamond。

2026-07-28