发布了一个名为OpenDiscoveryTrace的新数据集,包含558个详细的人工智能科学代理轨迹。该数据集捕获了模型的逐步推理过程,而不仅仅是最终输出,以便审计科学方法和诊断故障模式。它包括来自GPT-5.4、Claude Opus-4.6和Gemini-3.1 Pro等前沿模型的数据,以及Qwen2.5-7B和Mistral-7B-v0.3等开源模型的数据。使用该数据集进行的初步分析显示,模型在错误类型和频率上存在显著差异,而仅凭输出评估无法发现这些差异。 AI
影响 能够更稳健地审计和理解人工智能的推理过程,从而可能改进人工智能治理和科学方法。
排序理由 该集群包含一篇介绍用于评估人工智能科学家工作流的新数据集和新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Claude Opus-4.6
- Creative Commons Attribution 4.0 International
- Gemini-3.1 Pro
- GPT-5.4
- Mistral-7B-v0.3
- OpenDiscoveryTrace
- Phi-3.5-mini
- Qwen2.5-1.5B
- qwen2.5:7b
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →