UniPat AI发布论文复现基准PaperBenchX，GPT-6 Astra完整复现率13.98%

UniPat AI发布多学科端到端论文复现基准PaperBenchX，并公布对10组前沿模型与Agent框架配置的测评结果：表现最强的GPT-6 Astra在93个真实论文复现任务上的完整复现率仅13.98%。 该基准从93篇研究论文构建93个复现任务，横跨电磁、光光子、化学、材料、生物、机器人等12个研究方向和10种领域原生科学环境，含3168条专家校验评分项。目前从每个研究方向选取1个代表性任务开源，共12个测试任务，另维护81个封闭测试任务；单任务预算4–24小时，中位数7小时。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。