01简介
横向对比用的通用认知题集,37 题,满分 195 分。
| 维度 | 题量 | 每题 | 小计 |
|---|---|---|---|
| 逻辑推理 | 14 | 5 分 | 70 分 |
| 数学 | 10 | 5 分 | 50 分 |
| 人类直觉 | 5 | 5 分 | 25 分 |
| 指令遵循 | 6 | 5 分 | 30 分 |
| 长文本处理 | 2 | 10 分 | 20 分 |
| 合计 | 37 | — | 195 分 |
每一分都落在可二进制判定的输出项上:答案对不对,不是答得好不好。题型刻意避开可背的公开基准。
02评测方法
判分方式
每题拆成 5 个独立得分点(长文本题 10 分制),逐点判定,不做整体印象分。
施测规范
- 单轮问答,每题独立开新会话
- 不联网、不调用代码执行工具
- 不提示、不追问、不重试
- 模型名记到日期版本
- 采样参数按默认,提交时注明
版本纪律
改题必改版本号。跨版本分数不可直接比较,榜单标注对应版本。
当前状态
v3.0 正在做程序化校验修订,脚本没跑通的题先不上站。本页只展示已通过校验的样题。
03样题
真题节选,可直接复制去跑。
01T02 · 干支纪年推算【跨公元前 · 闰月 · 时辰】
题目描述
干支纪年由「天干(10) + 地支(12)」组成,60 年一甲子。已知 2024 年是甲辰年。补充规则:
- 农历年的干支以正月初一为分界(春节当日及之后属新年干支,春节前属上一年干支)。
- 公元前 1 年的下一年是公元 1 年(无公元 0 年);公元前纪年同样使用干支推算,60 年一甲子向后回溯。
- 古代「时辰」以子时(23:00–01:00)为日界,子时初(23:00–00:00)属当日子时,子时正(00:00–01:00)属次日子时(部分流派归属方式不同,本题按「子时正归属次日」)。
输出要求
回答以下 5 个问题(每题 1 分,共 5 分):
- 公元前 551 年(孔子诞生年,传统记为庚戌年)按 60 甲子回溯推算,干支是否为庚戌?给出推导。
- 2026 年农历正月初一(2026-02-17)前一天(即 2026-02-16,腊月廿九或三十)的干支年是什么?
- 1949 年 10 月 1 日(中华人民共和国成立日)当日的干支年是什么?(注:1949 年春节为 1 月 29 日)
- 若某年正月初一为丙寅日,问该年正月初一前一日的干支日是什么?
- 给定 2024 年 2 月 10 日(2024 甲辰年正月初一)为甲辰年甲子日,问 2024 年 2 月 10 日 23:30 与 2024 年 2 月 11 日 00:30 各属于哪个时辰?各属于哪个干支日?
02T22 · 数论综合【同余 · 不定方程 · 原根】
题目描述
5 个独立小问题(每题 1 分):
- 求 7^2026 mod 13 的值。
- 求正整数解 (x, y) 满足 3x + 7y = 100 的所有解中,使 xy 最大的 (x, y)。
- 求 x⁴ ≡ 1 (mod 35) 在 0 ≤ x < 35 内的解的个数。
- 求 (n!) 中素因子 5 的指数,取 n = 2026(即 2026! 末尾有多少个 0)。
- 判断 3 是否为模 7 的原根,并求模 7 的所有原根。
03T23 · 线性代数与矩阵【特征值 · 矩阵方程】
题目描述
5 个独立小问题(每题 1 分):
- 求矩阵 A = [[2, 1], [1, 2]] 的特征值与特征向量。
- 矩阵 A = [[1, 2, 3], [4, 5, 6], [7, 8, 10]] 的行列式是多少?
- 设 A 为 3×3 矩阵,det(A) = 2,求 det(2A) 与 det(A⁻¹)。
- 求解矩阵方程 AX = B,其中 A = [[1, 2], [3, 4]],B = [[5, 6], [7, 8]],给出 X。
- 给定向量 v = (1, 2, 3),求其在平面 x + y + z = 0 上的投影向量。
04T24 · 组合博弈与 SG 函数【Nim 变体】
题目描述
3 堆石子,初始 (7, 5, 3)。甲、乙轮流操作(甲先),每步可从任一堆中取走 1~3 颗(必须取完至少 1 颗)。取走最后一颗的玩家胜(正常玩法,非 Misère)。
输出要求
回答 5 个问题(每题 1 分,共 5 分):
- 在正常 Nim 玩法(每堆可取任意正数)下,初始 (7, 5, 3) 是 N 位(先手必胜)还是 P 位(后手必胜)?给出 Nim 和。
- 在本题限制(每堆至多取 3)下,初始 (7, 5, 3) 是 N 位还是 P 位?
- 若先手甲第一步从 7 堆中取 2,剩 (5, 5, 3),乙的最优响应是什么?
- 若规则改为「取最后一颗的输」(Misère),且每堆至多取 3,初始 (7, 5, 3) 是 N 位还是 P 位?
- 给出本题(每堆至多取 3)的 SG 函数通项公式(SG(k) 用 k 表示)。
05T33 · 多步骤精确任务【嵌套集合运算】
题目描述
给定初始字符串 S = "abcdefghijklmnopqrstuvwxyz"。
按顺序执行以下 8 步:
- 取 S 中位置为 3 的倍数(3、6、9...)的字符放入集合 A(位置 1-based)。
- 取 S 中所有辅音字母放入集合 B(辅音 = 非元音 a/e/i/o/u)。
- 计算 C = A ∩ B,按 ASCII 升序排列。
- 把 S 中所有元音字母改为大写,得到新串 S'。
- 计算 D = {S' 中所有大写字母}(即被改大写的元音)。
- 计算 E = C ∪ D,按 ASCII 升序排列(注意大小写 ASCII 顺序:大写 < 小写)。
- 计算 F = E − {元音字母的小写形式}(即从 E 中移除 a/e/i/o/u 的小写)。
- 输出 |A|、|B|、|C|、|D|、|E|、|F| 以及 F 的字符串形式。
输出要求
回答 5 个子问题(每题 1 分,共 5 分):
- 集合 A 与集合 B 各有几个元素?
- 集合 C 的内容是什么?
- 集合 D 的内容是什么?
- 集合 F 的内容是什么?
- |E| 与 |F| 的差是多少?
06T35 · 条件分支输出【状态机式指令】
题目描述
给定一个虚拟的「状态机指令序列」,请按规则逐步执行并输出每步后的状态。初始状态:counter = 0, mode = "A", stack = []。
指令(共 10 条,按顺序执行):
1. PUSH 3
2. PUSH 5
3. ADD ; 弹出栈顶 2 个,相加后压回;counter += 1
4. IF mode == "A" THEN mode = "B" ELSE mode = "A"
5. PUSH counter
6. DUP ; 复制栈顶并压入
7. IF stack.size >= 3 THEN ADD ELSE NOP
8. IF mode == "B" THEN mode = "C" ELSE mode = "B"
9. SWAP ; 交换栈顶 2 个(若栈 < 2 则 NOP)
10. POP ; 弹出栈顶(若栈空则 NOP)
定义:
- PUSH x:把 x 压入栈。
- ADD:弹出栈顶 a、b(栈顶为 a,次顶为 b),压入 b + a;counter += 1。
- DUP:复制栈顶压入。
- SWAP:交换栈顶 2 个。
- POP:弹出栈顶。
- NOP:无操作。
- IF 条件 THEN 动作1 ELSE 动作2:按条件执行其中一个动作。
输出要求
回答 5 个子问题(每题 1 分,共 5 分):
- 执行完第 3 条后,栈、counter、mode 各是什么?
- 执行完第 7 条后,栈顶元素是什么?栈大小是多少?
- 执行完第 8 条后,mode 是什么?
- 执行完第 10 条后,栈的内容是什么(从底到顶)?
- 整个序列执行完后,counter 的最终值是多少?
完整题库与评分标准仅对内部及合作方开放。
04本集榜单
| # | 模型 | 得分 | 提交者 | 核验 | 日期 | 备注 |
|---|---|---|---|---|---|---|
| 1 | claude-sonnet-5 (2026-07) | 65 / 65 | 评测组自测 | 已核验 | 2026-07-29 | 修订期已验证 13 题子集(满分 65);每题独立单轮会话、禁用工具;逐题判分档案内部可查 |
| 2 | claude-haiku-4.5 (2026-07) | 61 / 65 | 评测组自测 | 已核验 | 2026-07-29 | 同规程施测;失分集中在陷阱识别与约束坚持(T26/T07),逐题判分档案内部可查 |
| 3 | deepseek-chat (2026-07) | 57 / 65 | 评测组自测 | 已核验 | 2026-07-29 | 首条经「一条命令自动跑」CLI 全流程提交的成绩(回执 |
05提交成绩
推荐:一条命令自动跑
curl -sO https://eval-portal.pages.dev/run.mjs
OPENAI_API_KEY=sk-xxx node run.mjs --eval cognition-core-v3 --base-url https://api.deepseek.com/v1 --model deepseek-chat跑的是 65 分制已验证子集(13 题,单轮问答),跑完自动落盘并提交,不必再填下面的表单。
- 01自己跑题,我们不代跑
- 02证据留链接,可复核
- 03人工核验通过后上榜