跳到正文
热点事件持续更新

GradeBench发布:前沿模型批改一致率仅57%

1 篇报道1 个报道来源44 分钟前更新

先了解这件事

AI 综述

GradeBench团队正式发布用于评测AI批改主观题能力的基准,基于200余所大学约600万份真实学生手写答案构建,重点考察模型对大学物理手写答案的评分表现。 评测显示,参与测试的最强前沿模型与授课教师评分的一致率仅为57%,表明当前模型在真实世界非结构化主观题批改任务中仍存在明显短板。

AI 根据报道生成 · 30 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    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 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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。