评测大厅EVALHUB ARCADE

CASE FILE

同一句中文，差一个"没"就全错

中文理解挑战 · gpt-5.5-20260620 · 94.0 分

中文理解挑战gpt-5.5-20260620✓
EVALHUB ARCADEfuckai.md

SHOWCASE #7

同一句中文，差一个"没"就全错

94.0/100
原始指标 · Exact match: 14/15
时间线

题型得分

题型得分 折线图否定逻辑指代成语不刊之论与首当其冲失分
题型得分