OpenProblemBench基准发布
热点事件持续更新
OpenProblemBench基准发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
报道摘要
OpenProblemBench 是一个包含 82 个数学与理论物理未解问题的基准，每题提供研究背景、假设与已有进展，并由四个评估模型在无参考答案的情况下独立判断解答的正确性、完整性与推进程度。在七种评测配置中，GPT-6-Astra 取得最高平均判定解决率 14.0%，完整规模开源模型为 5.5-6.7%，Flash 模型为 2.4-3.7%。
摘自 arXiv cs.AI
最新进展10月9日 12:00
OpenProblemBench：在基础理论科学开放问题上评测 AI报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.AIOpenProblemBench：在基础理论科学开放问题上评测 AI
OpenProblemBench 是一个包含 82 个数学与理论物理未解问题的基准，每题提供研究背景、假设与已有进展，并由四个评估模型在无参考答案的情况下独立判断解答的正确性、完整性与推进程度。在七种评测配置中，GPT-6-Astra 取得最高平均判定解决率 14.0%，完整规模开源模型为 5.5-6.7%，Flash 模型为 2.4-3.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。