UniPat AI 发布 PaperBenchX 复现基准
AI 总结
UniPat AI 发布 PaperBenchX,称其为国际上首个多学科端到端论文结果复现基准:从93篇论文构建93个复现任务,覆盖电磁、光子、化学、材料、生物、机器人等12个研究方向和10种领域原生科学环境(如 Ansys HFSS、Ansys Lumerical、Meep、PySCF、ABACUS),含3168条专家校验评分项。在93个任务上,表现最强的 GPT-6 Astra 完整复现率仅13.98%;全部受测配置的建模与执行阶段平均得分约62%,验证阶段仅42.8%,单任务预算4–24小时、中位数7小时。团队开源12个代表性任务,另保留81个封闭测试任务。
深度见解
它把“能否端到端重做一篇已发表论文并拿出可重跑证据”变成可测量、可比较的问题,为 AI Scientist 能力提供了一个更贴近真实科研的标尺。
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-10-08 17:28:44 来源:量子位
PaperBenchX为代表的基准或许能更好地衡量AI的科研实力
允中 发自 凹非寺 量子位 | 公众号QbitAI
OpenAI最近真是频频往数学界扔重磅炸弹。
#UniPat AI#PaperBenchX#GPT-6 Astra#OpenAI#Ansys HFSS#Ansys Lumerical#Meep#PySCF#ABACUS