AI模型可能并没有想象中强大。在最新的AI基准测试“人类最后一次考试”中，所有顶尖LLM通过率不超过10%，而且模型都表现得过度自信。捍卫“人类智慧”最后一战!刚刚，Scale AI和Center for AI Safety（CAIS）公布了“人类最后一场考试”结果！ 新基准全称“人类最后一次考试”（Humanity’s Last Exam），简称“HLM”，包含3000个问题，由数百位领域专家开发，用于追寻人类知识推理的边界。目前，最好的模型，准确率也小于10%，而且自信“过头”。具体结果如