一个小体验，带回一个问题
这次，
你来当“大模型”。
答几道题，看看“模型发布会”和“跑榜”为什么这么好玩。
再回到课堂：分数来自什么题目？检查了什么？它能告诉我们多少？
外部作品 · HumanBench
你是几 B 的模型？
作者把模型常见的答题翻车、对话选择与“模型发布会”做成了趣味测验。你扮演大模型，完成题目后得到一张带参数量、跑分和人格的结果卡。
打开 HumanBench 玩一轮 ↗- 先凭自己的判断回答，留意哪些题目让你犹豫。
- 看到结果卡后，找出分数对应了哪些题目与规则。
- 挑一处想再验证的结果，回看原题，讨论评分是否合理。
作者将它定位为趣味整活测验。结果卡里的参数和人格是游戏设定；它没有真的训练你的大脑或一个模型，也不构成智商、职业能力或正式模型评测结论。
一份小评测，先看看评分标准
下面是本课程自编的三个问题。题目和正确答案固定，检查的是这三个具体判断。点击评分后会显示答案理由；一次 3/3 只说明答对了这三题。
题目为本课程教学示例。正式 Benchmark 还要公开任务集合、运行条件、评分方法和局限。去概念库看解释。
再试一个图像任务
卡兹克与 AIZ小朱整理了 GPT-Image 2.5 的 12 个玩法。先挑一个你确实需要的场景，准备自己的图片与清楚的要求，生成后核对文字、主体和需要保留的部分。
作者展示的效果和本课程的自编任务分别标明。这里没有自动生图或调用付费服务。