AI也会考到怀疑人生:人类最后d 考试有多难

大家可能听说过一项 AI 基准测试，名字叫 Humanity’s Last Exam，直译就是“人类最后的考试”。

虽然名字里有人类，但这却是为AI准备的，是一套专门用来测试顶级 AI 模型的专家级题库。

它一共有约 2500 道题，覆盖数学、物理、化学、生物医学、计算机、语言学、古典学、人文社科等 100 多个学科。重点是：这些题不是高中竞赛那种难，而是很多都需要非常细分领域的专家知识。

随便看几道样题就知道有多离谱：

比如古典学题，会给你一段罗马墓碑上的 Palmyrene script，让你翻译碑文。

生态解剖题，问蜂鸟身体里某块特殊籽骨到底支撑几对肌腱，答案还要求只写数字。

语言学题，给你《诗篇》里的希伯来文本，让你根据 Tiberian pronunciation 的最新研究，找出所有闭音节。

数学题，直接上范畴论、对称群、natural cotransformations 这种内容。

计算机题也不是简单写代码，而是给你图上的 Markov chain，问哪些图类会收敛到唯一且均匀的平稳分布。

还有有机化学题，看反应路径，判断电环化是几 π 电子、conrotatory 还是 disrotatory，后面还接环加成类型。

看完大多数人的第一反应是：这不是“人类最后的考试”，这是“人类专家的冷门知识库存盘点”。

它有意思的地方在于，很多 AI 在这些题上不是单纯不会，而是会很自信地答错。这其实比“不知道”更值得注意。

所以 HLE 测的不是 AI 会不会背知识，而是在面对真正陌生、细分、专家级问题时，它到底有没有可靠推理能力，以及能不能承认自己不确定。

某种程度上，这套题也提醒我们：AI 已经很强了，但“像专家一样知道自己不知道什么”，可能还是另一道坎。#AI #人工智能 #HumanitysLastExam #AI测评 #大模型 #知识边界 #科技前沿 #认知升级 #学习分享

有兴趣进一步了解的同学可以到这里深入了解：https://huggingface.co/datasets/cais/hle