AItonomy startet Science’s Last Exam, um End-to-End-Forschungsagenten zu prüfen
113 Aufgaben in neun Disziplinen bewerten von Hypothese bis Beobachtung; frühe Läufe setzen das beste Modell auf 37,5/100 und null End-to-End.
Warum es wichtig ist
Die meisten Wissenschafts-Benchmarks fragen, was Modelle wissen. Science’s Last Exam fragt, ob Agenten forschen können: Hypothesen, Protokolle, wissenschaftlichen Code und Software, Beobachtungen gegen versteckte Expertenchecks. AItonomys öffentlicher Satz hat 113 Aufgaben in neun Feldern. Frühe Zahlen setzen das beste von acht Modellen auf 37,5/100 und null End-to-End-Forschung.
Die wichtigsten Fakten
- 113 öffentliche Aufgaben in neun Disziplinen
- Sechs Fähigkeits-Tracks plus End-to-End-Bewertung
- Beste frühe Punktzahl 37,5/100; null End-to-End
- AItonomy Foundation; sciences-last-exam.org
- Ankündigung 2026-11-05 15:58Z; Pakete am 6. Nov