Humanity’s Last Exam
由 AI 安全研究所（CAIS）联合 Scale AI 于 2025 年初发布的前沿能力评测基准，汇集数百道跨学科专家级高难度题目，用于探测大模型能力上限，当前前沿模型得分普遍很低。Artificial Analysis 将其纳入模型评测套件（与 MMLU-Pro、GPQA Diamond、LiveCodeBench 等并列）。
由 AI 安全研究所（CAIS）联合 Scale AI 于 2025 年初发布的前沿能力评测基准，汇集数百道跨学科专家级高难度题目，用于探测大模型能力上限，当前前沿模型得分普遍很低。Artificial Analysis 将其纳入模型评测套件（与 MMLU-Pro、GPQA Diamond、LiveCodeBench 等并列）。