LiveK12Bench

新基准揭示大型多模态模型难以应对真实高中考试

一个名为 LiveK12Bench 的新基准已被开发出来，用于评估大型多模态模型（LMMs）在高中水平考试中的能力。这个动态的、跨学科的基准包含来自近期真实考试试卷的 2,000 多个问题，涵盖数学、物理、化学和生物学。使用 LiveK12Bench 进行的实验显示，GPT-5 等先进模型的性能显著下降，凸显了它们理想化推理与教育应用准备度之间的差距。