HLE-Verified推理

1,811 题 verified 全集（含原 HLE 集 668 道验证题与 1,143 道修订题），排除原 HLE 集 689 道不确定题。HLE-Verified 是 HLE (Humanity's Last Exam) 的验证全集，共 1,811 题：包含原 HLE 集 668 道验证题与 1,143 道修订题，排除原集 689 道答案不确定的题目。相比原版 HLE，题键更可靠，用于衡量模型在人类专家级知识推理上的水平。

排行数据源

#模型得分

1

Gemini 3.7 FlashGoogle

53.6%

2

Gemini 3.6 FlashGoogle

51.2%

3

GPT-5.6 TerraOpenAI

51.1%

4

Claude Sonnet 5Anthropic

31.0%

共 4 个模型

返回基准目录