大语言模型通过历史考试，却错失“历史”：波兰高中毕业会考 Matura 基准测试

英文标题：Large Language Models Pass the History Exam But Miss the <<History>>: A Polish High School Exit Exam Matura Benchmark

该论文指出，学生正广泛将 AI 聊天机器人用作知识来源，但现有大语言模型基准测试很少评估解释性历史推理能力。研究以波兰高中毕业会考（Matura）历史科目为基准，对 8 个领先的大语言模型进行评估。测试涵盖 3 套官方试卷，旨在检验模型在历史知识之外，对史料、语境与历史解释的理解能力。这一研究对教育场景中使用 LLM 提供了更贴近真实考试与学科能力要求的评估视角。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB