Epoch AI 基准测试：ScienceQA 最高分达 91%，104 个模型参与评测

Epoch AI 的 ScienceQA 基准测试显示，最高分已达 91%，共有 104 个模型参与评测。该基准为多模态科学选择题测试，结合文本、图像与图表，考察模型整合视觉线索并沿科学推理链得出结论的能力。榜单中 Phi-3.5-vision-instruct 以 91.3% 居首，GPT-4o（2024 年 5 月版）为 88.5%，Gemini 1.0 Pro Vision 为 79.7%。