Today for AI
返回热点榜
llm热度 14.7°

AI 聚合热点事件 · 2026/11/6

Science's Last Exam 基准发布 用隐藏专家检查评测 AI 科研能力

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/6 03:04:36
全景综述与最新动态
1 家信源交叉印证

美国非营利机构 AItonomy Foundation 发布 Science's Last Exam（SLE）基准，覆盖 9 个学科共 113 项任务，向智能体提供真实研究目标、数据与实验室软件，再用智能体不可见的专家校验评分，并以模型训练截止之后发表的论文作为对照，避免记忆作弊。DeepSeek V4.1 Flash 以 21.28% 的假设命中后续研究领先，但端到端真实科研任务上所有模型均得 0 分。

最新动向/美国非营利机构 AItonomy Foundation 发布 Science's Last Exam（SLE）基准，覆盖 9 个学科共 113 项任务，向智能体提供真实研究目标、数据与实验室软件，再用智能体不可见的专家校验评分，并以模型训练截止之后发表的论文作为对照，避免记忆作弊。DeepSeek V4.1 Flash 以 21.28% 的假设命中后续研究领先，但端到端真实科研任务上所有模型均得 0 分。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    Science's Last Exam 基准发布 用隐藏专家检查评测 AI 科研能力

    原标题：Lean gave AI math a grader nobody can argue with, and empirical science is now getting its own versi...

    • SLE 覆盖 9 个学科 113 项任务，评分检查由领域专家封存且对智能体不可见
    • 以训练截止后发表的论文为对照，模型无法靠记忆刷分
    • DeepSeek V4.1 Flash 假设命中率 21.28% 居首，但端到端科研任务全部模型得 0 分