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
Google 正在研发新AI芯片“Frozen v2”，预计2028年发布，能效比现有芯片提升6-10倍，旨在优化Gemini模型运行效率。此消息推动Google股价上涨约3%。
深度·7月20日·3 分钟
Kimi K3 在三个编码任务上（bug 修复、重构、功能开发）产出了与 Fable 5 相同的结果，总成本 $2.13 vs $5.98，但总耗时 28 分钟 vs 6 分 49 秒。Kimi K3 在重构中展现了更严谨的工程实践，但速度是其当前主要短板。
深度The New Stack·7月20日·7 分钟