希伯來語化學考試：三個AI模型仍遜於中學生

研究以120道希伯來語高中化學公開試選擇題，測試ChatGPT-4o、Claude 3.5 Sonnet及Gemini 1.5 Pro，並與逾13.9萬名考生的資料比較。三個模型的整體表現均顯著低於學生，圖像及多步推理題尤其困難。研究再由化學教育專家分析最難題目的學科錯誤。結果對應受測版本及特定語言試卷，不能直接代表更新模型的能力。