OneEval：OpenKG发布大模型知识增强综合能力评测榜单

主要观点总结

OpenKG.SIGEval是一个专注于评估大模型与知识库融合能力的评测体系，旨在深入衡量大模型在多种知识形态与多领域语境中的知识理解、利用与推理能力。OneEval V1.0包含十个任务，涉及文本、表格、知识图谱与代码四种知识载体，及通用、医学、政务、科学、法律与编程六大领域。评测结果显示，Grok 3在多项任务中表现优异，而GPT-4o、DeepSeek R1等主流模型在复杂知识推理任务中未展现出明显优势。此外，评测发现大模型在知识类推理任务中面临多个关键问题，包括长推理链导致的指令遗忘、过度思考引入的干扰、缺乏对细粒度外部知识的理解能力、难以构建知识图谱中的深层推理链以及常识性因果关系的利用不足。

关键观点总结

关键观点1: OpenKG.SIGEval评测目的

OpenKG.SIGEval是一个专注于评估大模型与知识库融合能力的评测体系，旨在深入衡量大模型在多种知识形态与多领域语境中的知识理解、利用与推理能力。

关键观点2: OneEval V1.0评测任务

OneEval V1.0包含十个任务，涉及文本、表格、知识图谱与代码四种知识载体，及通用、医学、政务、科学、法律与编程六大领域。

关键观点3: 评测结果

评测结果显示，Grok 3在多项任务中表现优异，而GPT-4o、DeepSeek R1等主流模型在复杂知识推理任务中未展现出明显优势。

关键观点4: 大模型在知识类推理任务中面临的问题

评测发现大模型在知识类推理任务中面临多个关键问题，包括长推理链导致的指令遗忘、过度思考引入的干扰、缺乏对细粒度外部知识的理解能力、难以构建知识图谱中的深层推理链以及常识性因果关系的利用不足。

免责声明