热点事件持续更新

Vetto 发布 ScienceBench 基准，揭示 AI 科学推理瓶颈

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Vetto 发布科学数据分析基准 ScienceBench，该基准包含 14 个学科领域的 50 个可验证任务，所有任务均经过质量审查，每一次测试尝试在计入前也会接受审计，用于评估前沿模型的科学判断力。对 13 个前沿模型的测试结果显示，表现最好的模型最高通过率仅为 49%，且有 5 个任务没有任何模型能够解决。错误分析表明，65% 的失败并非源于代码错误，而是模型在已发现数据异常的情况下发生了误判或错误处理。测试发现，简单的警告提示虽然能将通过率提升 10 个百分点，但无法从根本上解决模型缺乏科学推理与判断的缺陷，揭示了当前 AI 在复杂科学数据分析中面临的核心瓶颈。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

01:15
Hacker News AI
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。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1011月6日 02:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。