发布 PAPERBENCHX：93 项跨学科论文复现基准

研究者在 arXiv 论文（arXiv:2610.39744）中提出 PAPERBENCHX 基准，包含 93 项专家构建的论文复现任务，覆盖电磁学、光子学、化学、材料科学、生物学和机器人学等 12 个研究领域，用于衡量 AI 复现科学论文的能力。 基准测试结果显示差距明显：最佳配置在 90% 达标线以下仅完全复现 14% 的任务，各配置的平均评分量规得分在 27.53% 至 59.08% 之间。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。