AItonomy lance Science’s Last Exam pour tester des agents de recherche de bout en bout
113 tâches dans neuf disciplines notent de l’hypothèse à l’observation ; les premiers essais donnent 37,5/100 au meilleur modèle et zéro en bout en bout.
Pourquoi c’est important
La plupart des benchmarks scientifiques demandent ce que les modèles savent. Science’s Last Exam demande si les agents peuvent faire de la recherche : hypothèses, protocoles, code et logiciels scientifiques, observations face à des contrôles experts cachés. Le jeu public d’AItonomy compte 113 tâches dans neuf domaines. Les premiers chiffres donnent 37,5/100 au meilleur de huit modèles et zéro en recherche de bout en bout.
Faits clés
- 113 tâches publiques dans neuf disciplines
- Six pistes de capacité plus évaluation de bout en bout
- Meilleur score précoce 37,5/100 ; zéro bout en bout
- Porté par AItonomy Foundation ; sciences-last-exam.org
- Fil d’annonce 2026-11-05 15:58Z ; paquets le 6 nov