史上最难大模型测试集，千名专家铸成，没有模型得分超过10%，但 ...
还有世界首位提示词工程师Riley Goodside表示，这才是考验顶尖模型的数据集该有的难度。 如果按照大学科来算，入选的题目可以分为八大类，其中占比最多的是数学（42%），然后是物理和生物医药（均为11%）。