AItonomy 发布 Science's Last Exam 科研智能体基准
中文摘要
AItonomy发布Science's Last Exam基准,通过专家封存的隐藏任务评测科研智能体复现研究成果的能力。
English Summary
AItonomy Foundation launched Science's Last Exam, a benchmark using expert-sealed tasks to evaluate research agents' ability to replicate research outputs.
Original Excerpt
美国非营利机构 AItonomy Foundation 推出 Science's Last Exam(SLE)基准,用专家预先封存、对智能体隐藏的检查项,评测研究智能体可打开并复跑的研究产物。