← 评测来源
SimpleBench / 推理
官方评测 ↗SimpleBench
用日常常识和逻辑问题，检验模型能否识别问题中的实际约束。
在 AIHOT 中观察与参考
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
区分选择题与开放回答，固定 AVG@5、温度和提示协议；不把加入榜单日期当逐题评测时间。
如何使用这份证据
候选观察：新品覆盖及时，等待官网成绩复用边界与可冻结的数据版本说明；不套用代码许可，尚未自动采集或计分。
尚未纳入可比成绩
候选观察：新品覆盖及时，等待官网成绩复用边界与可冻结的数据版本说明；不套用代码许可，尚未自动采集或计分。
查看上游官方页面 ↗评测局限与数据署名
日常常识题具有补充价值，但题目代表性与选择题/开放回答条件均影响解释。
数据许可：样题与评测代码仓库 MIT；官网独立发布的最新成绩脚本再展示边界尚未确认。
成绩由 SimpleBench 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。