評測來源官方評測
BullshitBench v2
Peter Gostev / BullshitBench / 知識 · 識別問題裏的錯誤前提，觀察模型會不會順着錯誤繼續編造。
在 ATech Hot 中觀察中
證據預算不計分
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
採用官方默認的全部嘗試中明確識別比例，並保留已作答回應平均分；拒答比例保留供審計。兩項原始指標不進入當前綜合或分類票權。
如何使用這份證據
原始成績參考：按同一公開數據版本核對彙總、題集、配置與運行日期後自動採集。匿名型號不公開，無法確認固定版本的滾動接口不作為模型代表成績；當前不進入綜合或分類分數。
評測侷限與數據署名
全部為錯誤前提題，不能代表一般知識廣度；模型裁判和拒答處理影響結果，滾動別名及匿名型號須先完成身份核驗。
數據許可：MIT · Copyright (c) 2026 Peter Gostev；官方成績隨同倉庫發佈，無單獨數據許可例外。
成績由 Peter Gostev / BullshitBench 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。