一项最近对大型语言模型在本科音乐理论方面的评估测试显示，当前模型表现异常出色，超出了设计的基准难度。GPT-5.6 Sol 取得了满分，而 Claude Sonnet 5 和 GPT-5.5 等其他先进模型也获得了高分。值得注意的是，一些较新的模型如 Gemini-3.1 Pro 的表现不如其前代产品，作者对此现象无法解释。 AI
影响 展示了大型语言模型先进的推理能力，可能影响教育评估工具和对更复杂基准的需求。
排序理由 该条目描述了对现有大型语言模型在特定学术科目上的测试，而非新模型发布或重大的行业事件。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
