跳到正文
热点事件持续更新

SimpleBench 基准:人类基线超越 SOTA 大模型

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年11月21日,Hacker News 首页一则报道称,Astra 6.2 与 Sol 6.2 在 SimpleBench 基准上表现不佳,未能超越非专业人类基线。该基准包含 200 多道题,覆盖时空推理、社交智能与语言对抗鲁棒性。报道称,九名普通参与者的基线成绩为 83.7%,高于包括 Claude Fable 在内的所有受测大语言模型,后者最高为 81.9%。目前进展停留在这一评测结果本身,尚无后续回应或复测消息。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. Hacker News · 首页
    Astra 6.2 与 Sol 6.2 在 SimpleBench 上表现不佳

    Astra 6.2 和 Sol 6.2 在 SimpleBench 上表现不佳,未能超越非专业人类基线。该基准包含 200 多道题,覆盖时空推理、社交智能与语言对抗鲁棒性,九名普通参与者基线为 83.7%,高于包括 Claude Fable 在内的所有受测 LLM,后者最高为 81.9%。

本事件热度走势

当前热度 8·可比范围峰值 9(11月22日 00:00)·近 24 小时可比范围变化 –

02.557.51011月22日00:0011月22日01:0011月22日03:0011月22日04:00

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。