GPQA

GPQA reúne preguntas científicas de nivel avanzado, diseñadas para resultar realmente difíciles incluso a especialistas y no poder resolverse con una simple búsqueda web. Los laboratorios lo utilizan para medir si un modelo razona de verdad en vez de limitarse a recordar datos.

Una puntuación GPQA alta indica que el modelo puede manejar material especializado exigente. Como todos los benchmarks, mide una capacidad estrecha y no debe confundirse con inteligencia general.