⌘ K
… 读取采集状态 同步中...
雷
原文
新智元· 新智元·· 2026-08-12精选AI 评分70

MLS-Bench 用 140 道真实研究任务评测 AI 方法创新能力

代码榜刷满分,AI科研却撞墙?140道真实研究题撕开「自进化」真相

AI 导读

MLS-Bench 面向 12 个机器学习领域的 140 个真实研究任务评测模型的方法创新能力,结果显示即使模型已获取 Human SOTA 实现并被允许多轮实验,所提方法仍未能整体超越人类基线。Kimi K3 和 Qwen3.8-Max 已将 MLS-Bench-Lite 纳入官方发版评测,表明 AI 能否真正开展研究正在成为模型厂商关注的下一能力前沿。

推荐理由

评测表明当前前沿模型尚不具备可靠的方法创新能力,结果已在头部模型官方发版表中被采用。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:新智元 · mp.weixin.qq.com