Vetto ScienceBench 发布：前沿AI模型在科学数据分析任务中最高通过率仅49%

Vetto 发布了 ScienceBench，包含14个学科、50个可验证的数据分析任务，用于评估前沿模型的科学判断力。测试13个模型显示，表现最好的模型通过率仅为49%，且5个任务无模型解决。分析表明，65%的失败源于模型已发现数据异常但误判或错误处理，而非代码错误；简单的警告提示虽提升通过率10个百分点，但无法解决模型缺乏科学推理判断的根本缺陷。