UniPat AI发布PaperBenchX评测论文复现能力

UniPat AI发布多学科论文复现基准PaperBenchX；该基准评测显示，表现最强的GPT-6 Astra完整复现率为13.98%，说明在这套评测中，模型完整重建并执行论文科学工作流的能力仍有限。 PaperBenchX依据93篇论文构建93个、覆盖12个研究方向的复现任务，在隐藏评分标准下评估Agent。评分只认可隔离环境中重放生成的可验证证据。团队开放12个测试任务，并保留81个封闭任务。

AI 根据报道生成 · 6 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。