热点事件持续更新
SCI-AGENT-EXAM科研智能体基准发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.CL 发布 SCI-AGENT-EXAM 基准，用于评估 LLM 智能体在真实科研工作流中的表现。该基准包含120项专家编写任务，覆盖11个科研领域、7类研究任务。对10个前沿 LLM 智能体的测试显示，GPT-6 Astra 总分最高，为80.9，但仅26.0%的运行超过0.95成功阈值。评测结合可执行产物的程序化验证与经专家校准的LLM评判，并分析执行轨迹的效率与稳定性，代码与数据已公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
arXiv 发布 SCI-AGENT-EXAM 基准，含120项任务，GPT-6 Astra 总分最高80.9。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CLSCI-AGENT-EXAM：面向科研任务的智能体基准测试
SCI-AGENT-EXAM 含 120 项专家编写任务，覆盖 11 个科研领域、7 类研究任务，用于评估 LLM 智能体在真实科研工作流中的表现。测试 10 个前沿 LLM 智能体时，GPT-6 Astra 总分最高为 80.9，但仅 26.0% 的运行超过 0.95 成功阈值。评测结合可执行产物的程序化验证与经专家校准的 LLM 评判，并分析执行轨迹的效率与稳定性，代码与数据已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。