热点事件观察中
科研构想评测基准AlphaIdeaBench发布
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究团队在arXiv发布自动化科研构想评测基准AlphaIdeaBench。该基准构建了100个配有明确资源预算的科研构想任务，利用大语言模型裁判在有效性、新颖性与可行性等12个维度进行打分。基准经600篇顶会论文同行评审验证，其中Gemini 3.7 Flash在问题与方法新颖性维度上与人类评分差距在1分以内的比例达到94%至97%。在针对现有框架的评测中，CoI-Agent获得最高总分，SciMON则在方法与见解新颖性上保持领先。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
AlphaIdeaBench评测基准发布，Gemini 3.7 Flash裁判表现与人类高度对齐。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 人工智能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。
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。