通用机器学习已结束

衡量 AGI 进展：认知能力

为前沿模型设计超越记忆复述的高质量认知能力 benchmark。

赛题说明

设计好的评测是当前 LLM 研究里最稀缺的能力之一，这场比赛能训练你思考什么样的任务才真正衡量模型的推理、行动和判断。

建议先补前置能力

新手适配16/100

学习价值72/100

对评估模型认知能力（而不是记忆或简单复述 benchmark）感兴趣的研究者、benchmark 设计者和进阶 LLM 从业者。

核心工作是 benchmark 设计和评测方法论：你需要理解高质量的 AGI 向任务到底在衡量什么、如何避免数据泄漏，以及怎样把评审标准讲清楚。

我们还没从官方页面整理出教程、数据和基线方案，赛题和数据以官方页面为准。