#基准评测
共 2 篇
Deep Research
8 分钟Humanity's Last Exam 深度解读：2,500 道前沿考题的来路与读法
HLE 是目前被引用最多的前沿推理基准：2,500 道跨学科考题、Nature 发表、还有会换题的动态版 HLE-Rolling。拆解它的来路（众包、bug bounty、题目替换史）、双口径记分（无工具/带工具）与正确的引用姿势。
阅读全文Deep Research
10 分钟怎么读模型发布里的基准对比图：effort 曲线、对数成本轴与安全干预
模型发布会的 accuracy-vs-cost 图和对比表自带口径选择。用 2026-09-01 的 Claude Fable 5.1 发布公告做实例，拆解 8 个阅读要点：effort 曲线、对数轴、误差范围、partial/strict 记分、缺列、安全干预计零分、自建 setup 与公共榜差异。
阅读全文