SciConHarness 屏蔽答案来源，逼前沿模型自己综合证据

SciConHarness 通过屏蔽作为标准答案的 Cochrane 综述及其他泄题来源，迫使前沿模型在健康领域科学综合任务中真正跨研究综合证据作答，以测试其真实综合能力。作者 manoelribeiro 表示，现有基准难以衡量 AI 在健康研究等高风险场景的真实能力。