SciConBench 入选 NeurIPS：AI 综合科学结论能力堪忧

研究团队推出聚焦「科学结论综合」的基准 SciConBench，评测 AI 能否识别并权衡多项研究证据来回答问题，而非简单检索答案；该基准已被 NeurIPS 2026 接收，论文已上传 arXiv。结果显示，最强 AI 模型在该任务上的 F1 仅为 0.337，科学结论综合能力仍是明显短板。