AutoResearchBench：自主科研文献发现AI基准
深度2026年4月28日29 分钟阅读
该基准揭示了当前AI在复杂科学文献发现上的巨大差距：即使顶尖模型也表现不佳。对于关注大语言模型和自主科研的学者，本文提供了一个重要的评价框架和未来研究方向。
本文编译自 AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Black Forest Labs 推出 FLUX 3，统一多模态模型，视频生成超越多个竞品，并开源 FLUX-mimic 用于机器人控制。同时，The Stack v3 数据集发布，蒸馏政策争议持续。
深度Latent Space·7月24日·8 分钟
本文采访了多位进攻型网络安全研究员，探讨AI公司的安全护栏如何影响他们发现漏洞和开发利用工具的工作。研究员们普遍认为护栏过于严格且不一致，迫使部分人转向国产开源模型。
深度·7月24日·6 分钟