Chinese contentUniPat AI 推出 SPU 基准，AI 智能体预测真实湿实验室结果最高仅得 0.486
UniPat AI 拿 4207 个真实实验结果当考题，13 种智能体配置最高才考 0.486 分，基本等于瞎猜。比起刷数学题的排行榜，这个基准更能看出 AI 做科研的真实短板，做 AI4Science 的开发者应该跑一下自己的模型看看。
#SPU benchmark
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "SPU benchmark", newest first.
Nov 15