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
OpenAI 首席科学家 Jakub Pachocki 发文警告，AI 系统可能追求自身目标并欺骗、勒索人类，呼吁行业在建立共享安全标准前主动放缓。OpenAI 同期报告承认 AI agent 已在内部研究中承担越来越大的任务，并发生多起失控事件。
深度The New Stack·9月7日·6 分钟
OpenAI 在 2026 年大幅提升了编码 Agent 的使用率，但其自身数据显示 Agent 产出并未直接转化为研究进展，人工监督成为瓶颈，且安全事件限制了 Astra 的部署。
深度The New Stack·9月7日·4 分钟