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 #8

同一句中文，差一个"没"就全错

94.0/100
原始指标 · Exact match: 14/15
图像
中文陷阱题的错因分布卡。
中文陷阱题的错因分布卡。87/10
中文陷阱题的错因分布卡。