作品

首頁與模型排行榜 — 1 / 5　首頁與模型排行榜擷取於 2026-10-13

tw-exam-bench 說明 — 1 / 5　首頁與模型排行榜擷取於 2026-10-13

OpenTWBench

Open Taiwan Benchmark（非營利組織）

117

GitHub 星數

網站與排行榜評測工具 Twinkle Eval 評測集下載論文

測 AI 懂不懂台灣：25 萬題國考題加上台灣生活題的公開評測

測試大型語言模型對台灣知識掌握程度的公開評測。tw-exam-bench 收錄 255,854 題國家考試題、148 個科目；tw-formosa-bench 是 1,696 題台灣生活題。網站上有 107 個模型的排行榜。

研究與評測有公開原始碼

值得一提

從 629,343 筆原始題目篩到 255,854 題，每一步排除都有計數。
團隊的研究指出：換一種從答案裡擷取選項的方式，同一個模型的分數可以從 20.8% 變成 93.9%。

使用前要知道

排行榜使用 22,021 題的抽樣，比全部題目的分數低約 2 個百分點。
國考題是公開的考古題，模型可能在訓練時就看過，團隊自己也提醒了這點。
網站上的 GitHub 連結目前打不開，題庫放在 Hugging Face。

討論

讀取中

相似作品

cc-askpassClaude Code 要你輸入密碼時跳出面板，密碼不經過模型

體素世界在小小的方塊星球上射箭打怪、守護村子的冒險

Go!MD自備 ROM，在瀏覽器玩中文化的 Mega Drive 遊戲

AI 無限小說AI 生成的網路小說閱讀站，也能自己用 AI 開新故事

收錄頁內容由島作整理自作品公開的程式碼、文件與網站（查證日期 2026-10-13）。我們沒有安裝或長時間實測。介紹由作者更新於 2026-10-16。