热点事件持续更新
Vetto推出科学数据分析评测基准ScienceBench
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 5 小时前更新
最新进展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%。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 02:00）·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。