STEMBench发布:评估大模型博后级科研能力
热点事件持续更新
STEMBench发布:评估大模型博后级科研能力
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月,arXiv上发布STEMBench基准,用于评估大模型在博后级自然科学问题上的表现。该基准涵盖高能物理等12个科研问题,采用领域特定的“功绩标准”评分。 每个问题配备“无领域知识提交”与“专家参考”两个锚点作为对照。测试的8个前沿模型显示,任务级胜出与领域级领先出现分离,部分模型在12题中的7题平均分超过专家锚点。 论文团队已公开发布所有任务、评分器、锚点及评测工具。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
STEMBench 基准发布:评估大模型在博后级自然科学问题上的表现报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · AISTEMBench 基准发布:评估大模型在博后级自然科学问题上的表现
STEMBench 基准发布,涵盖高能物理等 12 个博后级科研问题。 每个问题采用领域特定的“功绩标准”评分,并配备无领域知识提交与专家参考两个锚点。 测试 8 个前沿模型显示,任务级胜出与领域级领先出现分离,部分模型平均分在 12 题中的 7 题超过专家锚点。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
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。