ИИтак

← Назад

словарь

HLE-Diamond

Бенчмарк для оценки экспертных знаний и способности ИИ-моделей рассуждать, составленный из отобранных и повторно проверенных вопросов Humanity's Last Exam. Задания рассчитаны на решение без внешних инструментов, хотя предусмотрена и отдельная оценка с их использованием.

См. также

В новостях

  1. Модель Alibaba Qwen4-Max обошла прошлую версию на 9 пунктов в индексе Artificial Analysis

    Отобранная и очищенная от ошибок часть бенчмарка Humanity's Last Exam («Последний экзамен человечества»): сложные вопросы с однозначным ответом из разных областей науки, на которые модель отвечает без внешних инструментов.