Deepseek知识库数据补充重建

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 大模型刷榜 MMLU、屠榜 GPQA 的玩法一夜变天？？？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。...