Epoch AI 发布 SimpleQA Verified 评测：改用简单正确率并加入反弃答提示词

Epoch AI 自行运行 SimpleQA Verified 基准，改用答对题目占比这一简单指标，而非 Google 的 F1 调和平均算法。评测与 Generality Labs 合作加入反弃答提示词，在 12 个模型、1000 道题上测试九种候选措辞，重评后模型拒答率从平均 15% 降至 1% 以下。Epoch AI 怀疑 Qwen3-Max-Instruct 在该数据集上存在污染。