# تن‌سنت بخشی از بنچمارک استدلالی HyperLogic را منتشر کرد

> تن‌سنت ۳۰٪ از مسائل منطق چینی HyperLogic را همراه با پاسخ‌ها و ابزارهای ارزیابی منتشر کرده است. بقیه مسائل محرمانه می‌مانند.

Oossa · 2026-10-28 · https://oossa.com/fa/tencent-releases-part-of-its-hyperlogic-reasoning-benchmark

تن‌سنت در ۲۸ اکتبر ۲۰۲۶ مخزن و مجموعه‌داده بنچمارک HyperLogic را عمومی کرد. این بنچمارک توانایی استدلال منطقی به زبان چینی را در سه سطح می‌سنجد. پاسخ‌ها با اجرای مدل‌های صوری از طریق حل‌گرهای منطقی به دست آمده‌اند، نه با نوشتن دستی.

این مجموعه شامل ۶۹ مسئله Seed، ۵۹ مسئله Base و ۳۰ مسئله Hard است و ابزارهای امتیازدهی و محیطی ایزوله برای آزمودن عامل‌ها روی مسائل Hard را هم در بر می‌گیرد. ۷۰٪ باقی‌مانده محرمانه است. در آزمون تیم روی هفت مدل، هیچ‌کدام با پاسخ‌دهی مستقیم در Hard امتیازی بالاتر از ۱۶٪ نگرفتند. استفاده از محیط اجرای کد امتیازها را بالا برد، اما بهترین نتیجه با کتابخانه منطقی ۵۷٪ بود.

## حقایق

- مجموعه عمومی ۱۵۸ مسئله دارد: ۶۹ مورد Seed، ۵۹ مورد Base و ۳۰ مورد Hard.
- بنچمارک کامل شامل ۲۲۸ مسئله Seed، ۱۹۵ مسئله Base و ۱۰۰ مسئله Hard است.

## چرا مهم است

پژوهشگران می‌توانند از مسائل و ابزارهای منتشرشده برای ارزیابی سامانه‌های استدلالی استفاده کنند، اما ارزیابی کامل بنچمارک به ۷۰٪ محرمانه نیاز دارد؛ محرمانه‌ماندن این بخش همچنین از افشای موارد آزمون جلوگیری می‌کند.

## منابع و ارجاع‌ها

1. [New repository Tencent-Hunyuan/HyperLogic: HyperLogic: a hard, forward-authored Chinese logical reasoning benchmark with execution-derived answers (Seed / Base / Hard)](https://github.com/Tencent-Hunyuan/HyperLogic) – Tencent Hunyuan, 2026-10-27

آخرین به‌روزرسانی: 2026-10-28