跳到正文
AGI Hunt· scaling01·· 54 分钟前AI 评分53

GradeBench 发布,前沿模型批改大学物理手写答案与教师一致率仅 57%

GradeBench:前沿模型批改手写物理答案仅 57% 与教师一致

AI 导读

GradeBench 正式发布,用于评测 AI 批改主观题的能力。该基准基于 200+ 所大学约 600 万份真实学生手写答案构建,最强前沿模型与授课教师的评分一致率仅为 57%,反映出模型在真实世界非结构化任务中的短板。

来源:AGI Hunt · agihunt.info