Vetto推出科学数据分析评测基准ScienceBench
Start here
2026年11月6日，Vetto推出科学数据分析基准测试“Vetto ScienceBench”，包含跨14个学科的50项真实分析任务，旨在评估前沿模型的判断力。在对13款前沿模型的测试中，表现最好的模型仅通过了49%的试验，多数模型的失败率超过80%，且有5项任务无任何模型解出。测试分析显示，约三分之二的失败原因在于模型在已观测到数据异常后将其当作噪声忽略，或选用了错误模型，表明当前模型仍缺乏科学研究所需的审慎判断。
AI-generated from reports · Updated 6 hours ago
Report timeline
Follow the reports to see different sides of the story.
- Hacker News · AIVetto 推出科学数据分析评测基准 Vetto ScienceBench
Vetto 推出科学数据分析基准测试 Vetto ScienceBench，包含跨 14 个学科的 50 项真实分析任务以评估前沿模型判断力。在 13 款前沿模型的测试中，表现最好的模型仅通过 49% 的试验，多数模型失败率超过 80%，且有 5 项任务无模型解出。约三分之二的失败发生于模型已观测到数据异常后将其当作噪声忽略或用错模型，显示当前模型仍缺乏科研所需的审慎判断。
Story heat trend
Current heat 9·Comparable peak 10（Nov 6 02:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.