ARC AI2 基准：AI2 中小学科学推理评测

AI2 ARC 基准由中小学科学题构成，要求模型结合事实知识、常识与多跳推理作答，题目虽短且人类易识别，但刻意设计使浅层线索不足以选出正确选项。该基准常用于衡量受限上下文下的科学理解能力，报告结果通常汇总 Easy 与 Challenge 两个分片，其中 Challenge 部分侧重非平凡推理并抵抗标注伪影。