⌘ K
… 读取采集状态 同步中...
雷
热点事件历史事件

UniPat AI发布PaperBenchX评测揭示AI科研复现瓶颈

2 篇报道2 个报道来源5 天前更新

先了解这件事

AI 综述

2026年10月8日，UniPat AI发布PaperBenchX评测结果，该基准涵盖12个科学方向的93道复现任务。早先报道称，10个前沿Agent配置表现受限，没有任何配置能完全复现其中70道题目。后续报道称，在隔离环境中从头重跑工作流的验证显示，表现最强的GPT-6 Astra完整复现率仅13.98%，验证阶段得分显著低于建模与执行阶段，揭示了模型确保科学结论可靠性的不足。

AI 根据报道生成 · 5 天前更新

最新进展10月8日 17:28
新数据揭示GPT-6 Astra完整复现率仅13.98%，验证环节成关键瓶颈。

报道时间线

沿着报道，了解事件的不同侧面。

10月8日
  1. 量子位 QbitAI
    PaperBenchX评测揭示GPT-6 Astra论文复现率仅13.98%

    UniPat AI发布的PaperBenchX基准在93个真实论文复现任务中，表现最强的GPT-6 Astra完整复现率仅13.98%。该基准覆盖电磁、化学等12个研究方向，要求Agent在隔离环境中从头重跑工作流以验证结果，而非依赖模型自述。分析显示，验证阶段得分显著低于建模与执行阶段，表明模型难以确保科学结论的可靠性，这是迈向通用AI科学家的关键瓶颈。

  2. 硅星人Pro
    PaperBenchX 评测显示 10 个前沿 Agent 配置在 93 个复现任务中均无法完全复现

    UniPat AI 推出的 PaperBenchX 评测显示，10 个前沿 Agent 配置在覆盖 12 个科学方向的 93 道题中，没有任何配置能完全复现 70 道题目。

本事件热度走势

当前热度 9·可比范围峰值 18（10月8日 20:00）·近 24 小时可比范围变化 -50%

0510152010月8日17:0010月9日02:0010月9日12:0010月9日21:00

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。