VirtualWorld-LLM-Evals：在复杂叙事约束下评测 LLM 学术推理的开源基准

GitHub 上的 VirtualWorld-LLM-Evals 是一个评测 LLM 的基准，将本科高年级与研究生水平的物理、数学、临床心理学、人类学等学科课程嵌入虚构叙事与流行文化场景中，以规避训练数据污染与表面模式匹配。基准覆盖 15 个学科，每个模块包含试卷（*_Exam.md）与评分细则（*_Answers.md），部分模块如 My Mysterious Fox (2026) 还附阅读语料以测试长上下文综合能力，各科总分 100（部分模块按不同原始分折算）。