Epoch AI：研究、数据与评测·· 29 天前AI 评分41
SimpleQA Verified 基准评测：1000 题事实召回基准的缺陷审计
SimpleQA Verified - Benchmark Review
AI 导读
Epoch AI 对 SimpleQA Verified 的审计发现，随机抽取的 50 题中有 5 题（10%）存在影响评分的缺陷，其中 4 题答案键未覆盖全部正确答案，1 题答案键错误。
整理与数据来源：AIHOT
来源：Epoch AI：研究、数据与评测 · epoch.ai