评测来源官方评测
BullshitBench v2
Peter Gostev / BullshitBench / 知识 · 识别问题里的错误前提，观察模型会不会顺着错误继续编造。
在 MyHOT 中观察中
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
采用官方默认的全部尝试中明确识别比例，并保留已作答回应平均分；拒答比例保留供审计。两项原始指标不进入当前综合或分类票权。
如何使用这份证据
原始成绩参考：按同一公开数据版本核对汇总、题集、配置与运行日期后自动采集。匿名型号不公开，无法确认固定版本的滚动接口不作为模型代表成绩；当前不进入综合或分类分数。
评测局限与数据署名
全部为错误前提题，不能代表一般知识广度；模型裁判和拒答处理影响结果，滚动别名及匿名型号须先完成身份核验。
数据许可：MIT · Copyright (c) 2026 Peter Gostev；官方成绩随同仓库发布，无单独数据许可例外。
成绩由 Peter Gostev / BullshitBench 发布，原始分数与 MyHOT 共识分使用不同尺度，不能直接相加。