AlphaIdeaBench：在可行性约束与同行评审对齐下的自动化科研构想评测基准

AlphaIdeaBench 构建了 100 个配有明确资源预算的科研构想任务，利用 LLM 裁判在有效性、新颖性与可行性等 12 个维度打分。经 600 篇顶会论文同行评审验证，Gemini 3.7 Flash 在问题与方法新颖性上与人类评分差距 1 分以内的比例达 94-97%。在框架评测中 CoI-Agent 获得最高总分，SciMON 在方法与见解新颖性上领先。