UniPat AI发布论文复现基准PaperBenchX

UniPat AI发布多学科论文复现基准PaperBenchX，在93个跨学科任务上测试10组前沿模型与Agent框架配置，最强的GPT-6 Astra完整复现率仅13.98%。 基准设计上，团队从每个研究方向选取1个代表性任务共开源12个测试任务，同时维护81个封闭测试任务以维持长期评测区分度；单任务预算4至24小时，中位数7小时。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。