热点事件持续更新
研究团队发布理论科学未解问题评测基准OpenProblemBench
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9日，研究人员推出基准测试OpenProblemBench，旨在评估AI超越既有知识解决开放性科学难题的能力。该基准包含来自数学和理论物理文献的82道未解决问题，评测由4个评估模型在无参考答案的情况下独立打分。在7种测试配置中，GPT-6-Astra取得了最高的14.0%平均解决率，高于全尺寸开源模型的5.5%至6.7%以及Flash模型的2.4%至3.7%。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
研究团队发布包含82道难题的OpenProblemBench，GPT-6-Astra以14%解决率位居第一。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 人工智能OpenProblemBench：在基础理论科学未解问题上评测 AI
研究人员推出基准测试 OpenProblemBench，包含来自数学和理论物理文献的 82 道未解决问题，用于评估 AI 超越既有知识解决开放性科学难题的能力。评测由 4 个评估模型在无参考答案下独立打分，在 7 种测试配置中，GPT-6-Astra 取得最高的 14.0% 平均解决率，高于全尺寸开源模型的 5.5-6.7% 和 Flash 模型的 2.4-3.7%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。