GPT-5、Claude-4 同台亮相！OneEval发布全新“大模型+知识库”评测白皮书！

主要观点总结

OpenKG发布了OneEval评测白皮书，升级并更新了OneEval榜单，评估大模型与知识库的融合能力。大模型在深度推理和知识库利用上普遍不及格，且存在知识推理上的“偏科”现象。GPT-5未展现突破性优势，而参数规模并非唯一解决方案。OneEval侧重于评估大模型在复杂问题上的深度思考与分步推理能力，并引入动态更新的评测数据集。评测框架具备动态性，可避免模型“刷题”现象，并推动大模型向“知识深、思维强”演进。评测组织由OpenKG SIGEval工作组发起，并持续维护评测数据与结果。

关键观点总结

关键观点1: OneEval评测白皮书发布与榜单更新

OpenKG发布OneEval评测白皮书，并升级更新OneEval榜单，评估大模型与知识库的融合能力。

关键观点2: 大模型在深度推理和知识库利用上的表现

大模型在深度推理和知识库利用上普遍不及格，存在知识推理上的“偏科”现象，且GPT-5未展现突破性优势。

关键观点3: 参数规模与解决方案

参数规模并非提升大模型推理能力的唯一解决方案，需优化模型与知识的协同方式。

关键观点4: OneEval评测框架的特点

OneEval侧重于评估大模型在复杂问题上的深度思考与分步推理能力，并引入动态更新的评测数据集，避免模型“刷题”现象。

关键观点5: 评测组织的构成与目的

评测由OpenKG SIGEval工作组发起，并持续维护评测数据与结果，推动大模型向“知识深、思维强”演进。