Epoch AI 解读基准 Humanity's Last Exam 的构成与筛选机制

Humanity's Last Exam（HLE）是由 Center for AI Safety 和 Scale AI 创建的基准，旨在应对前沿模型在现有评测上快速接近满分的饱和问题，包含超过 100 个学科的 2,500 道题。