品玩发布AI数学哲学理解Benchmark

发生了什么

据品玩报道，其设计并发布了一套测试大模型识别定理背后思想能力的Benchmark。该评测不测具体数学题，而是通过八类哲学思想（如边界-内部对偶、受控极限交换）的归纳，测试模型从不同公式中读出相同哲学思想的能力。题目将定理改写为白话，隐去名称和惯用公式，要求模型选出目标陈述并给出类别代码。