📖 AI 总结

OpenAI近期宣称其模型在数学领域取得突破，但UniPat AI发布的PaperBenchX测评显示，面对93个真实论文复现任务，表现最强的GPT-6 Astra完整复现率仅为13.98%。该基准覆盖电磁、光子、化学、材料、生物、机器人等12个方向，包含3168条专家校验评分项，是首个多学科端到端论文复现评测。结果显示，模型在建模和执行阶段得分约六成，但验证阶段仅42.8%，且更多交互轮数并不带来更高分数，前期建模决策错误会导致后续计算全部失效。这一测评首次量化了当前AI与通用AI科学家之间的差距，也呼应了25位菲尔兹奖得主联名信中对“以解题为基准”的质疑，指出可靠复现才是衡量AI科研能力更基础的标准。