그냥 실제로 저 co scientist method 쓰면 gpqa 밴치 점수가 실제로 80점대로 뻥튀기 되는게 확인됨. 

장난감 같은거 아니고 실제로 벤치 뻥튀기 되는거보면 의미있는건가본데 o1 pro 랑 비슷한데 좀더 복잡한