热点事件持续更新
研究团队推出科研智能体评测基准SCI-AGENT-EXAM
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究团队推出面向科研工作流的AI智能体评测基准SCI-AGENT-EXAM，其代码与数据已正式公开。该基准涵盖11个科学领域和7类任务的120个专家精选任务，采用程序验证与大语言模型评判相结合的混合评估协议。在对10个前沿大语言模型智能体的测试中，GPT-6 Astra获得了80.9分的最高综合成绩，但在0.95的高成功阈值下，仅有26.0%的运行达到标准。
AI 根据报道生成 · 4 小时前更新
最新进展10月26日 12:00
研究团队发布科研基准SCI-AGENT-EXAM并开源，测试中GPT-6 Astra综合分居首。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 自然语言处理SCI-AGENT-EXAM：面向科研任务的 AI 智能体评测基准
研究团队推出科研工作流评测基准 SCI-AGENT-EXAM，涵盖 11 个科学领域和 7 类任务的 120 个专家精选任务。在对 10 个前沿 LLM 智能体的测试中，GPT-6 Astra 获得最高综合分 80.9，但仅 26.0% 的运行超过 0.95 成功阈值。该基准采用程序验证与 LLM 评判相结合的混合评估协议，代码与数据已公开。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·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。