★ 3
SciΠvot：科学自动研究智能体首席研究员判断力基准
研究团队构建 SciΠvot，一个基于人类纠正的248例科学判断力基准，源自六个月、26个项目、六个领域的 LLM 智能体研究记录。测试显示五个前沿模型中有四个在选定案例上低于随机水平，最高准确率63.5%，低于新手的73.4%。
arXiv cs.AI17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究团队构建 SciΠvot，一个基于人类纠正的248例科学判断力基准，源自六个月、26个项目、六个领域的 LLM 智能体研究记录。测试显示五个前沿模型中有四个在选定案例上低于随机水平，最高准确率63.5%，低于新手的73.4%。