基准MMMU-Pro
MMMU-Pro
MMMU（多模态理解）基准的增强版本，专注于评估多模态大模型在专家级视觉与文本联合理解任务上的表现
时间轴 (近 90 天)
10月27日
实验在MMLU-Pro和MMMU-Pro上进行，结果显示校准不佳的自置信度仍能支持统计上有效的分层审计。
待验证50%
10月15日
GPQA Diamond、MMLU-Pro、Humanity's Last Exam、SWE-bench Verified、Terminal-Bench、MMMU-Pro、LEXam、Open ASR Leaderboard 都属于 Hugging Face 官方标记的 official benchmark。
待验证50%