量子位官网T2·基座大模型
78 分
UniPat AI 推出 PaperBenchX 基准测试,针对 93 个真实论文复现任务评估大模型能力。结果显示,即便表现最强的 GPT-6 Astra 完整复现率也仅为 13.98%,暴露出当前 AI 在解决千禧年数学难题等单点突破与可靠端到端科学复现之间的巨大鸿沟。该基准将科学结论编译为可执行、可重放、可验证的工作流,旨在建立衡量 AI for Science 进步的新标准。
End-to-End Reproduction
从原始数据到最终结果全流程自动化重现科学研究过程的能力
UniPat AI 推出 PaperBenchX 基准测试,针对 93 个真实论文复现任务评估大模型能力。结果显示,即便表现最强的 GPT-6 Astra 完整复现率也仅为 13.98%,暴露出当前 AI 在解决千禧年数学难题等单点突破与可靠端到端科学复现之间的巨大鸿沟。该基准将科学结论编译为可执行、可重放、可验证的工作流,旨在建立衡量 AI for Science 进步的新标准。