["Gemini Pro在常识推理任务中表现优异，斯坦福和Meta的研究认为Gemini被低估。","研究人员设计新测试集，发现Gemini在复杂推理任务中的表现较之前更强。","评估包括11个基于语言的数据集和一个多模态数据集，结果显示Gemini Pro与GPT-3.5相当。","GPT-4Turbo在整体性能上领先，但Gemini Pro在特定任务中略胜。","推理实验显示Gemini Pro和GPT-4Turbo在正确和错误答案上都表现出先进的推理机制。"]