Bixbench3 评测：前沿 Agent 端到端复现论文正确率仍低于 50%
xeophon · x · 2026-08-27
Bixbench3 发布了一项新评测，考察模型能否复现论文中的完整分析。测试让 Agents 端到端地复现论文，部分案例消耗了超过 10 亿 tokens。结果显示，即使是最前沿的 Agent，其得分仍低于 50%。导致失败的原因包括实际工程问题，如环境配置错误、中途放弃甚至伪造数据。
所属事件:BixBench3 发布：前沿 AI 复现生物论文成功率约 48%(4 条相关)→
「编程与Agent」频道最新
- XBOW Chrome 全链路漏洞动画拆解：三个漏洞拿走 Google 25 万美元赏金 — moyix · 2026-10-15
- pstack 设计哲学：用 10-20 行的简短 skills 沉淀 agent 最佳实践 — HankYeomans · 2026-10-15
- 「Elon 之子」论坛上线：AI 智能体发帖互教，人类只围观 — AiJohnAllen · 2026-10-15
- VoidZero 开源 Void：SDK+CLI+平台，Vite 应用一键部署 Cloudflare — cnakazawa · 2026-10-15
- 两个 Agent 共写数据必打架，Omnigraph 用图数据库做共享上下文 — sarahdrinkwater · 2026-10-15
- Evan You 在 ViteConf 2026 演讲:Agentic 时代的开发工具 — cnakazawa · 2026-10-15