ホットトピック継続更新中
Vetto推出科学数据分析评测基准ScienceBench
1 件の報道1 件の報道元7 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 6 時間前 更新
最新の進展11月6日 01:15
Vetto推出科学数据分析基准ScienceBench，测试显示前沿模型最高通过率仅49%。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月6日
- 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。
このストーリーのホット度の推移
現在のホット度 9·比較可能範囲のピーク 10（11月6日 02:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。