就连一些最顶尖的AI也无法超越这一新基准

非营利组织人工智能安全中心（CAIS）与Scale AI联合发布前沿AI系统新基准“人类最后的考试”

该基准测试包含数千道众包问题，涵盖数学、人文学科及自然科学等领域。为提升评估难度，题目采用多种格式呈现，包括图表与图像结合的形式。

初步研究显示，目前尚无公开可用的旗舰级AI系统在该测试中得分超过10%。

CAIS与Scale AI计划向研究界开放此基准，助力研究人员深入探究模型差异并评估新一代AI系统。