Science's Last Exam 基准发布：前沿模型科研能力仍堪忧

AItonomy 基金会联合哈佛、MIT、斯坦福等 34 家机构的博士生与博后发布科学智能体基准 Science's Last Exam(SLE),包含 91 项端到端科研任务。测试显示 8 个前沿模型表现不佳，最强模型仅得 67 分(另一口径下 37.5 分)，而在端到端自主科研任务上所有模型全部得 0 分，凸显当前 AI 距离真正的自主科学研究仍有巨大差距。

2026-11-06 ~ 2026-11-06 · 3 条相关

• Science's Last Exam 亮相:8个前沿模型最强仅37.5分,端到端科研全员0分 — omarsar0 · 2026-11-06

另有 2 条近重复转述:anshulkundaje · AccBalanced