热点事件持续更新
研究团队推出科学智能体评测基准SciΠvot
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究人员构建了用于评测科学自主研究智能体关键时刻主持人判断力的基准 SciΠvot（早先报道称 SciPivor）。该基准基于人类干预修正构建，涵盖来自6个领域26个项目、历时6个月记录的248个案例。评测结果显示，在提供项目记录且中等推理强度下，5款前沿模型中有4款表现低于随机水平，且表现出对原始LLM方案的系统性偏好。在各项测试中，模型取得的最高准确率仅为63.5%，明显低于新研究人员73.4%的水平。
AI 根据报道生成 · 5 小时前更新
最新进展10月16日 12:00
研究团队推出评测基准SciΠvot，测试显示多数前沿模型判断力低于随机水平。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 人工智能SciΠvot：评测科学自主研究智能体关键时刻的主持人判断力
研究人员构建了基于人类干预修正的科学判断力评测基准 SciΠvot，包含来自 6 个领域 26 个项目、历时 6 个月记录的 248 个案例。在提供项目记录且中等推理强度下，5 款前沿模型中有 4 款表现低于随机水平，且系统性偏好原始 LLM 方案。测试中模型最高准确率仅为 63.5%，低于新研究人员的 73.4%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16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。