English(EN) OpenFrontiers: A Collection of Open Research Problems and a Benchmark for Scientific Rediscovery

新基准OpenFrontiers测试LLM的科学再发现能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-31 04:00

研究人员推出OpenFrontiers，一个旨在评估大型语言模型（LLM）在科学再发现方面能力的新资源。该资源包含一个包含超过12,000个开放研究问题的语料库，以及一个由200个近期已解决的数学问题组成的基准测试。对七个LLM代理在该基准测试子集上的评估显示，闭卷式解决方案再发现的频率很低，在实时网络条件下的大多数成功都源于检索现有已发表的作品。OpenFrontiers旨在为衡量解决科学问题和推进LLM研究能力方面的进展提供基础。 AI

影响为评估LLM在科学研究和解决问题方面的能力提供了一个新基准。

排序理由该条目描述了一篇介绍数据集和基准测试的新学术论文，用于评估LLM在科学问题上的表现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇介绍数据集和基准测试的新学术论文，用于评估LLM在科学问题上的表现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 10 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jiarui Yao, Ruida Wang, Tong Zhang · 2026-10-31 04:00

OpenFrontiers：开放研究问题集与科学再发现基准

arXiv:2610.37739v1 Announce Type: new Abstract: Large language models (LLMs) have shown increasing promise in research-level problem solving, yet a comprehensive collection of such problems is still missing, and evaluating them on research-level problems remains challenging. We i…

本文如何被排名

报道来源 [1]

OpenFrontiers：开放研究问题集与科学再发现基准

相关实体

相关话题