新基准 SPU 评测 12 种 AI 模型预测科学实验结果的能力
AIは科学者の代わりに、実験結果を予測できるのか？ 科学研究では、実験前の予測が非常に重要だ。化学実験も生物実験も、時間と費用がかかる。優秀な科学者ほど...
AI 导读
作者介绍评估 AI 预测真实实验结果能力的新基准 SPU，涵盖 85 篇论文的 100 道公开课题、16 道非公开课题、32 个研究领域共 4,207 项实验。评测 12 种模型 13 种配置后，最高分是 Claude Opus 5.5 的 0.486，各模型仅在 34% 到 52% 的课题上明确超过随机预测，且在判断什么该被计算上仍有短板。
来源：@anytutorai · x.com