Chinese contentScience's Last Exam 基准测试：智能体端到端科研全得 0 分
34 家机构出了一套真科研任务考 AI 智能体，最强模型才拿 37.5 分，端到端做研究全是 0 分，能直观看到现在 AI 做科研的真实水平。
#Science's Last Exam
2 stories · 2 in 7 days · 2 in 30 days
Stories, products and papers tagged "Science's Last Exam", newest first.
Nov 6
Chinese contentScience's Last Exam 基准发布：91 项任务测端到端科研能力
新基准 SLE 用 91 个真实科研任务测模型，Claude Opus 5 以 67 分领先 GPT-6.1 Sol 和 Kimi K3.1 Pro，做科研自动化评估的可以看看。
