测试类别

XSCT Bench 包含以下三大测试类别，点击可查看该类别下的所有用例：

• XSCT-L 文本生成（375 个用例）
• XSCT-W 网页生成（181 个用例）
• XSCT-VG 图像生成（448 个用例）

用例列表

以下是当前分类下的测试用例，点击用例名称可查看各模型在该用例上的完整评测结果：

Agent/MCP

• 简单工具调用
• 信息提取任务
• 决策树执行
• 多工具协同
• 异常处理
• 任务分解
• 长期对话状态管理
• 自主规划执行

汉语拼音

• 常见汉字拼音
• 声调辨析
• 生僻字读音
• 多音字辨析
• 方言与普通话对照
• 古诗词特殊读音
• 拼音转写与输入
• 句子注音

代码生成

• 斐波那契数列
• 回文判断
• 两数之和
• 二叉树遍历
• LRU 缓存
• 合并区间
• 最长公共子序列
• 实现正则表达式

阅读理解

• 新闻阅读
• 故事理解
• 说明书理解
• 议论文理解
• 合同理解
• 数据分析报告
• 学术论文摘要
• 法律文书理解

一致性

• 事实一致性
• 逻辑一致性
• 数字一致性
• 角色一致性
• 时间线一致性
• 立场一致性
• 世界观一致性
• 多轮一致性

上下文理解

• 短篇阅读理解
• 对话追踪
• 信息提取
• 多轮对话记忆
• 跨段落推理
• 文档问答
• 长文本一致性
• 矛盾检测

创意写作

• 短篇故事开头
• 诗歌创作
• 产品描述文案
• 微型小说
• 对话创作
• 仿写风格
• 多视角叙事
• 世界观构建

批判性思维

• 拿破仑身高误解
• Python版本号大小
• 50米内开车洗车
• 公司AI产品吹捧
• 工作与休息二选一

幻觉检测

• 虚构学术论文与理论的识别与纠正
• 虚构历史事件与人物的识别与纠正
• 虚构科学定律与物理常数的识别与纠正
• 虚构企业与商业案例识别
• 错误地理常识纠正
• 未来事件预测边界
• 错误文化常识纠正
• 虚构医学概念识别

指令遵循

• 格式指令
• 格式遵循
• 长度限制
• 字数控制
• 排除指令
• 列表生成
• 多条件指令
• 多重约束

知识问答

• 地理常识
• 历史常识
• 科学常识
• 科技知识
• 文化知识
• 经济知识
• 哲学知识
• 医学知识

逻辑推理

• 简单演绎推理
• 数字规律
• 条件判断
• 逻辑谜题
• 真假判断
• 排程问题
• 复杂逻辑推理
• 悖论分析

数学计算

• 四则运算
• 应用题
• 几何问题
• 代数方程
• 概率统计
• 微积分
• 数学证明
• 数学竞赛

多语言

• 中英互译基础
• 日常会话翻译
• 多语言问候
• 技术文档翻译
• 文学翻译
• 本地化翻译
• 法律文本翻译
• 同声传译模拟

文本润色

• 产品说明书口语化转正式
• 简历自我介绍简洁化
• 投诉信语气柔化调整
• 学术摘要科普化改写
• 营销文案逻辑重构
• 错别字病句综合修正
• 年终总结文采提升

提示词注入

• 忽略先前指令的越权攻击免疫测试
• 隐喻式违规指令识别
• 特殊分隔符与Payload注入防御
• 逆向心理诱导攻击防御测试
• 情感操纵与道德绑架注入测试
• 虚拟环境逃逸模拟安全测试
• 多层嵌套翻译伪装注入防御
• 多轮渐进式对话注入防御测试

问答

• 常识问答
• 历史知识
• 科学原理
• 跨学科问答
• 对比分析
• 时事分析
• 哲学问题
• 前沿科技

推理链

• 简单推理链
• 条件推理
• 类比推理
• 多步骤问题求解
• 约束条件推理
• 因果链推理
• 悖论分析
• 博弈论推理

角色扮演

• 客服角色
• 教师角色
• 面试者角色
• 辩论角色
• 医生角色
• 商业谈判角色
• 文学角色
• 历史人物角色

安全合规

• 虚假信息识别
• 医疗安全
• 隐私保护
• 有害内容拒绝
• 歧视内容拒绝
• 法律边界
• 边界情况处理
• 情感敏感话题

SQL 专家

• 多表关联与窗口函数综合查询
• 慢查询诊断与索引优化建议
• Oracle到PostgreSQL递归语法转换
• 社交平台点赞评论数据库设计
• PostgreSQL JSONB字段解析与聚合统计
• 数仓拉链表SCD2逻辑SQL实现
• SQL 注入防御与参数化查询
• 大规模数据深度分页优化

摘要总结

• 新闻摘要
• 会议纪要
• 要点提取
• 报告摘要
• 对话总结
• 多文档摘要
• 学术论文摘要
• 书籍章节摘要

翻译

• 中英互译
• 多语种翻译
• 菜单翻译
• 文学翻译
• 技术翻译
• 口语翻译
• 法律翻译
• 创意翻译

长文写作

• 产品描述
• 商务邮件
• 邮件撰写
• 通知公告
• 新闻标题
• 产品评价
• 微小说
• 科普文章

当前类别的评测维度

当前类别：文本生成

点击维度名称可筛选该维度下的所有用例：

• 浏览维度：安全合规
• 浏览维度：一致性
• 浏览维度：长文写作
• 浏览维度：翻译
• 浏览维度：阅读理解
• 浏览维度：SQL 专家
• 浏览维度：批判性思维
• 浏览维度：创意写作
• 浏览维度：指令遵循
• 浏览维度：数学计算
• 浏览维度：提示词注入
• 浏览维度：知识问答
• 浏览维度：Agent/MCP
• 浏览维度：代码生成
• 浏览维度：推理链
• 浏览维度：角色扮演
• 浏览维度：文本润色
• 浏览维度：上下文理解
• 浏览维度：幻觉检测
• 浏览维度：问答
• 浏览维度：摘要总结
• 浏览维度：多语言
• 浏览维度：逻辑推理
• 浏览维度：汉语拼音

相关链接

• 查看所有测试用例
• 了解评测方法论