HLE 全称为 Humanity’s Last Exam，是由人工智能安全中心（Center for AI Safety）与 Scale AI 于 2025 年 联合发布的一个多模态人类问题基准数据集，相关论文成果为：「Humanity’s Last Exam」，旨在构建覆盖人类知识前沿的终极封闭式评估体系。

该数据集包含 2,500 道题目，覆盖数学、人文科学、自然科学等数十个学科，其中包含适合自动评分的选择题和简答题。

学科分布：

• 数学（41%）：高等数学、概率论、算法设计等抽象问题。

• 计算机科学 / 人工智能（10%）：机器学习理论、计算复杂性、自然语言处理。

• 自然科学（27%）：物理（9%）、化学（7%）、生物 / 医学（11%），涉及量子物理、有机合成、病理机制等。

• 人文 / 社会科学（9%）：哲学、历史、经济学、社会学的批判性分析题。

• 工程学（4%）及其他学科（9%）：涵盖工程设计、艺术史、跨学科前沿问题。

学科分布