研究人员推出 OpenFrontiers，这是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。该资源包含一个结构化的语料库，收录了超过 12,000 个开放研究问题，以及一个包含 200 个数学问题的基准测试，其中 110 个问题在 2026 年得到解决。该基准测试具有正式评分的证明，用于在各种信息访问条件下评估 LLM 代理，结果表明闭卷再发现很少见，而实时网络成功通常依赖于检索现有解决方案。 AI
影响 该基准测试有望推动能够进行真正科学发现而非仅仅信息检索的 LLM 的发展。
排序理由 该集群描述了一个用于评估 LLM 在科学研究方面能力的新基准测试和数据集，该基准测试和数据集在一篇研究论文中发布。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
