新版智能指数强化智能体编程与科学权重，并推出跨时间追踪能力的进展指数。
推荐理由：多数题目首次改用私有测试集或隐藏答案，并提高编程与科学权重，能减少榜单污染；进展指数则为跨版本能力演化提供统一尺度。
阅读原文