arXiv cs.AI· Zhiyi Li, Sihan Hu, Tianning Xiao, Xiansheng Cai, Xiaojun Tan, Youjin Deng, Kun Chen·· 25 天前AI 评分45
OpenProblemBench：评估 AI 解决基础理论科学开放问题的评测基准
OpenProblemBench: Benchmarking AI on Open Problems in the Foundational Theoretical Sciences
AI 导读
研究团队推出包含 82 个数学与理论物理未解决问题的评测基准 OpenProblemBench，由 4 个评估器模型在无参考解情况下独立评估 AI 的求解能力。在 7 种评测配置中，GPT-6-Astra 取得了最高的 14.0% 平均解决率，被评测的全尺寸开源模型为 5.5-6.7%，Flash 模型则为 2.4-3.7%。
来源：arXiv cs.AI · arxiv.org