实体
OpenFrontiers
OpenFrontiers
PulseAugur coverage of OpenFrontiers — every cluster mentioning OpenFrontiers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准OpenFrontiers测试LLM的科学再发现能力
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。
-
OpenFrontiers 基准测试评估大型语言模型（LLM）的科学再发现能力
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。