RSI-Exam 榜单：Claude Opus 5.5 以 0.536 登顶力压 GPT-6

RSI-Exam 新基准公布榜单，Claude Opus 5.5 以 0.5357 登顶，GPT-6-astra 以 0.5126 居第二。该基准含 88 个可执行研究任务，覆盖 AI 模型与 Agent、物理科学与工程等 6 大领域，agent 需经数小时自主实验改进自身并泛化到未见数据，最终在隐藏测试集上一次性评估。