Die letzte Prüfung der Menschheit ist ein von globalen Experten gemeinsam entwickelter multimodaler Benchmark, der darauf abzielt, die Leistung großer Sprachmodelle im akademischen Bereich zu messen. Er enthält 3000 Fragen von fast 1000 Experten aus über 500 Institutionen in über 50 Ländern, die über 100 Disziplinen abdecken. Der Test soll der ultimative geschlossene akademische Benchmark sein, der durch die Herausforderungen an die Grenzen der Modelle die Entwicklung der KI-Technologie vorantreibt. Sein Hauptvorteil liegt in seinem hohen Schwierigkeitsgrad, der eine effektive Bewertung der Modellleistung bei komplexen akademischen Problemen ermöglicht.