Humanity's Last Exam
ベンチマーク
性能
2,500 expert questions with a deliberately final name.
これはベンチマークのレコードです。業界がチップやモデルの性能を測定するために使うテストと、そこから実際にわかることを紹介します。
CAIS and Scale AI crowdsourced frontier-level questions across a hundred fields from domain experts. Launch (Jan 2025) frontier scores were 3–13%; by late 2025 leading systems with tools passed 40–50% — the benchmark named for the hope that there will not need to be another.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
ベンチマーク
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.