AItonomy 推出 Science’s Last Exam，测试端到端科研智能体
九个学科共 113 项任务，从假说到观测打分；早期跑分最好模型 37.5/100，端到端为零。
为何重要
多数科学基准问模型“知道什么”。Science’s Last Exam 问智能体能否做研究：提出假说、规划方案、运行科学代码与软件，并对照隐藏专家检查解读观测。AItonomy 公开集含九个领域 113 项任务。早期榜单上八个前沿模型最好 37.5/100，端到端为零。完整任务包定于 11 月 6 日开放。
要点
- 九个学科共 113 项公开任务
- 六项能力轨加端到端评估
- 早期最好 37.5/100；端到端为零
- AItonomy Foundation；sciences-last-exam.org
- 宣布串 2026-11-05 15:58Z；任务包 11 月 6 日