OpenAI 推出 PaperBench 基准测试，用于评估 AI 复制研究能力
快链头条 2025-04-03 13:22:04
快链头条 消息，OpenAI 推出 PaperBench 基准测试，用于评估 AI 代理复制研究的能力。AI 需复制 ICML 2024 的 20 篇顶级论文，涉及理解论文、编写代码及执行实验。测试通过与原作者共同开发的细化评分标准进行，涵盖 8316 个具体要求，由 LLM 评判。结果显示，Claude 3.5 Sonnet (New) 结合开源框架表现最佳，平均复制得分 21.0%，但仍未超越人类基线。
快链头条登载此文本着传递更多信息的缘由，并不代表赞同其观点或证实其描述。
文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
投资有风险，入市须谨慎。本资讯不作为投资理财建议。
7*24小时快讯
交易员现押注美联储5月开启降息
04-09 01:45(2小时前)
美国两年期与十年期国债收益率曲线利差扩大至48个基点
04-09 01:44(2小时前)
美股持续回落，标普500、纳指完全回吐涨幅
04-09 01:33(2小时前)
美国十年期国债收益率拉升至4.207%
04-09 01:27(3小时前)
美司法部明确加密开发者不对代码被犯罪分子使用负责，无需承担责任
04-09 01:23(3小时前)
比特币跌破77,000美元
04-09 01:13(3小时前)
彭博社：美国将对中国产品征收 104% 关税
04-09 01:10(3小时前)
交易员Eugene：近期活跃开发者的结构性下降令人担忧，加密市场短期陷入自我循环困境
04-09 01:06(3小时前)
热门资讯
风险提示
根据银保监会等五部门于 2018 年 8月发布《关于防范以「虚拟货币」「区块链」名义进行非法集资的风险提示》的文件， 请广大公众理性看待区块链，不要盲目相信天花乱坠的承诺，树立正确的货币观念和投资理念，切实提高风险意识；对发现的违法犯罪线索，可积极向有关部门举报反映。