Ein kürzlich veröffentlichter neuer Benchmark unter dem Titel "Humanity's Last Exam" lässt alle heutigen Sprachmodelle verzweifeln. Selbst Spitzenmodelle wie GPT-4o lösen weniger als 10 Prozent der Aufgaben. Benchnmarks für große Sprachmodelle gibt es in großer Zahl. Allerdings sind die...