IXThinker·2026-06-27 09:20

新跨學科基準檢驗AI科研創新能力

智能體能否在頂級期刊論文的核心實驗中勝過人類研究者，一直缺乏系統評估。有團隊提出跨學科基準，檢驗代碼智能體能否在真實論文設定下獨立改進方法並超越原有最佳結果，推動其由復現工具邁向科研協作夥伴。

評測缺口

以往評測體系側重論文復現，衡量能否還原既有方法，或關注競賽與後訓練任務的工程優化能力。對於更關鍵的問題——智能體能否在真實科學論文設定下獨立改進方法、突破原論文最佳表現，始終缺少系統性檢驗。