Aran Komatsuzaki (X)· arankomatsuzaki·· 6 天前AI 评分45
前沿智能体科研论文完整性评测
This new benchmark evaluates nine frontier agents on 15 open scientific follow-up problems developed with domain scientists, producing 13...
AI 导读
这个新基准用领域科学家开发的15个开放科学后续问题评估九个前沿智能体，产出135篇研究论文。 大多数论文未通过完整性检查，包括声称的工作与支撑性执行证据之间的不一致。
来源：Aran Komatsuzaki (X) · x.com