ArchitectureIQ 基准：GPT-5.6 Sol 训练直觉达 76.4%，仍逊于人类部分领域

MetaCircle 发布 ArchitectureIQ 基准，以 500 道架构相关问题和合成数据集量化 LLM 的训练直觉，答案均通过真实训练运行验证。GPT-5.6 Sol 准确率达 76.4%，随机水平为 33.3%。结果显示，人类在部分类别仍能胜过 LLM，研究者的训练直觉尚未被蒸馏成语言。