跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    STEMBench 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
–

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。