英文：Human Baseline 分类：eval
人类在该任务上的表现水平，作为模型能力对比的参照点（如人类在 MMLU 得分 89.8%）。超过人类基线是衡量 AI 进展的里程碑。
获取：人类受试者按相同协议评测（同题集/同评分）、众包聚合；用途：能力定位（模型 vs 人类）、任务难度标定、AGI 进展度量（GPQA 人类专家对比）；注意：基线随人群（专家/普通人）与协议变化。
用于模型报告（"超人类水平"声明）、基准设计（难度校准）、AGI 评测（ARC 等）与研究宣传；人类基线是"AI 能力参照系"。