Data2026年6月23日4,632 字约 13 分钟不只看终点,更看路径:面向推理过程的数学数据新供给答案易验证,推理难约束——从五道高难数学样例看过程型训练数据为何比「题库」更重要。数学推理过程监督专家数据RubricAI for Science
Research2026年6月8日2,672 字约 8 分钟榜单上的分数,究竟在测什么?从任务、数据到评分规则——读懂 benchmark 分数的能力边界,以及怎样读榜才不容易被误导。benchmarkAI 评测MMLUHumanEvalSWE-bench