DeepSeek-R1、o1都在及格线挣扎！字节开源全新知识推理测评集，覆盖285个学科 下午4时 2025/03/04 作者 量子位 夜变天？？？ 要知道，过去几年，各种通用评测逐渐同质化，越来越难以评估模型真实能力。GPQA、MML
