PAPERBENCHX基准发布：AI复现科学论文能力仍有限
热点事件持续更新
PAPERBENCHX基准发布：AI复现科学论文能力仍有限
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
Ruoyu Wu 等在 arXiv 发布 PAPERBENCHX 基准，包含 93 项专家构建的论文复现任务，覆盖电磁学、光子学、化学、材料科学、生物学和机器人学等 12 个研究方向，要求智能体在使用专业科学软件的领域环境中重建、运行并诊断关键实验。 评测采用从头重放、只对再生证据按专家标准打分的方式。结果显示 10 个前沿智能体配置中最佳者仅在 14% 任务上达到 90% 阈值的完整复现，平均评分在 27.53% 至 59.08% 之间。
AI 根据报道生成 · 56 分钟前更新
最新进展10月29日 18:05
PAPERBENCHX 基准：AI 能否跨学科复现科学论文报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AI精选PAPERBENCHX 基准：AI 能否跨学科复现科学论文
论文提出 PAPERBENCHX 基准，包含 93 项专家构建的论文复现任务，覆盖电磁学、光子学、化学、材料科学、生物学和机器人学等 12 个研究方向，要求智能体在使用专业科学软件的领域环境中重建、运行并诊断关键实验。评测采用从头重放、只对再生证据按专家标准打分的方式，10 个前沿智能体配置中最佳者仅在 14% 任务上达到 90% 阈值的完整复现，平均评分在 27.53% 至 59.08% 之间。论文链接：https://arxiv.org/abs/2610.39744v1。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。