C-Eval 是一个全面的中文基础模型评估套件，由清华大学、北京理工大学等高校的研究团队联合开发。
- 学科覆盖广：涵盖 52 个学科，包括 STEM（科学、技术、工程、数学）、人文社科等领域。
- 难度分级：分为初中、高中、大学、专业四个难度级别，可评估模型在不同知识深度的表现。
- 双语设计：题目以中文呈现，部分学科提供英文版本，便于跨语言能力对比。
- 侧重推理：题目需多步推理，避免单纯记忆性测试。
- 知识广度：检验模型对多学科基础概念的掌握。
- 逻辑能力：测试复杂问题拆解与推理能力。
- 中文理解：评估中文语境下的语义解析准确性。
- 验证集（共 1.3 万题）：用于模型训练中的快速验证。
- 测试集（共 1.3 万题）：最终评估使用，需通过官方提交结果以确保公平性。
- 学术研究：对比不同模型在中文领域的性能差异。
- 工业优化：指导企业针对薄弱学科优化模型。
- 教育领域：辅助评估 AI 在教育场景中的知识可靠性。
