从刷榜到做科研：OpenRSI Index 如何评估 AI 研究员被超越的距离？

OpenRSI Index 将真实开源研究项目改造成科研智能体任务，评估智能体能否在明确实验边界下改进人类设计的模型训练方案。代表任务覆盖 Marin 预训练、Qwen 后训练和 GPIC 图像生成，单次运行规模分别为 18,432、约 20,864 和 5,815 H100·小时。