在HLE（"人类最后考试"）的专家校验子集上，首次有系统突破60分大关！ 就在最近，由耶鲁大学唐相儒、王昱婕，上海交通大学徐望瀚，UCLA万冠呈，牛津大学尹榛菲，Eigen AI金帝、王瀚锐等团队联合开发的Eigen-1多智能 体系统实现了历史性突破—— 下面详细展开—— 技术创新：三大支柱撑起60分突破 当AI开始挑战人类知识的终极边界，一场前所未有的较量正在上演。 当大模型在MMLU、GPQA等传统基准上纷纷"卷到90分"时，这些测试逐渐失去了区分力。为了追踪AI在科学推理前沿的真实进展，Center for AI Safety与 Scale AI联合推出了"人类最后的考试"（Humanity's Last Exam，HLE）—— 最令人振奋的是，这一成就并非依赖闭源超大模型，而是完全基于开源的DeepSeek V3.1搭建。 涵盖数学、自然科学、工程学、人文社科等百余领域共3000道博士级难题，被视为AI知识推理的终极试炼。 而HLE Bio/Chem Gold则是HLE的黄金标准子集，包含149道经过领域专家人工审核和纠正的题目。 在HLE Bio/Chem Gold测试集上，Pass@1准确率达到4 ...