开发者维护 HLE 质量：经查证生物题错误率极低
Sauers_ · x · 2026-09-02
开发者 Sauers 回应关于 Humanity's Last Exam 数据集准确性的质疑，表示亲自检查了大量生物学题目，认为错误率极低（可能仅有一题存疑），并未达到批评者声称的三分之一。
所属事件:HLE 数据集遭质疑 开发者称错误率极低(3 条相关)→
「研究」频道最新
- HydroGym 登 Nature：60+ 环境训练 AI 控制流体力学 — ricardovinuesa · 2026-09-03
- 让 Agent 活过模型更替：新论文把持久身份与可换组件分离 — omarsar0 · 2026-09-03
- 斯坦福论文：模型选上下文还是参数记忆，方向可干预但难跨任务复用 — niloofar_mire · 2026-09-03
- Meta Muse Spark 55 天连跳三版:照片生成 3D 仿真成本仅 0.6 美元 — alexandr_wang · 2026-09-03
- 开发者曾尝试用 Puzzlescript 构建 AI 基准测试，类似 ARC-AGI-3 — Darpinian · 2026-09-03
- 回应质疑：induction heads 等发现是否算 LLM 算法洞见之辩 — aryaman2020 · 2026-09-03