CulturalRiddles：覆盖 62 种文化的谜语基准发布，前沿模型部分社区准确率仅 22%

研究者发布 CulturalRiddles，一个由人类通过社区协作原创、覆盖 62 种文化（45 个国家、51 种语言）的谜语基准，要求模型具备溯因与组合推理能力。团队用自动评测和大规模人工评测测试了 28 种 LLM 配置，前沿模型在部分社区准确率最高仅 22%。全部产物已公开，并提供开放贡献流程以扩展语言与文化覆盖。