PaperBenchX：论文复现最高通过率仅 14%
AI 总结
UniPat AI 推出基准 PaperBenchX，让 10 种前沿 Agent 配置在真实科研软件中重做已发表论文的关键实验，共 93 道题、覆盖 12 个科研方向。据该团队公布的结果，70 道题没有任何配置做到“完全复现”；表现最好的 GPT-6 Astra 完全复现率仅 14%（13 道题），国产模型整体约 7%，约为其一半。评分把建模、执行和科学验证分开，共 3168 条可评分标准，单任务时间预算 4–24 小时，并会在隔离环境中删掉旧结果重跑后评分。
深度见解
可复现性是 AI 承担自主科研任务的前提，该评测把“AI 能否可靠复现已有研究”变成可逐项检验的问题。