Claude 3.5首战复现21%顶会论文，人类博士无法取代，OpenAI：AI全是草台班子
Claude 3.5首战复现21%顶会论文，人类博士无法取代，OpenAI：AI全是草台班子自己「打脸」自己？
来自主题: AI技术研报
7920 点击 2025-04-03 16:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
自己「打脸」自己？
PaperBench 是一个由 OpenAI 开发的基准测试，旨在评估 AI Agent 复现尖端 AI 研究的能 力。它专注于测试 AI 是否能理解研究论文、独立开发代码并执行实验以复现研究结果。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。