.png)
近日，UniPat AI牵头发布“史上最严”湿实验预测基准SPU。该基准含116个任务、4207个湿实验，覆盖化学、材料、生物和医学，要求AI在8小时内自主预测真实实验结果。首批评测中，Opus 5.5、GPT-6 Astra等12款前沿模型集体“翻车”，最高平均分仅0.486，距可靠预测仍很遥远。测试表明，盲目拉满推理强度或算力翻5倍也无法显著提升得分，核心在于模型能否准确选择判断依据。SPU为AI科研能力提供了严谨的统一评估标准，目前数据集与代码已开源，将持续推动AI for Science发展。
原文链接
本文链接：https://kx.umi6.com/article/38775.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "38775")
相关推荐
.png)
换一换
多项力压 Grok 4、OpenAI o3，谷歌推出 Gemini 2.5 Deep Think 模型
2025-08-01 23:08:15
姚顺雨拿50年数学难题成绩单，招人了
2026-07-31 15:34:13
AI for Science开始“动手”了：机器人正式走进国家级实验室
2026-08-19 15:36:53
OpenAI o3 模型遭质疑？第三方实测分数远低于自测成绩
2025-04-21 09:34:53
OpenAI o3 模型基准测试成绩遭质疑，实测分数远不及宣称
2025-04-21 08:32:30
四大成果同期发布｜2024WAIC“探索下一代大模型的基础研究”论坛成功举办
2024-07-10 15:19:42
硅谷2026开年重磅：全球顶尖科学家与产业领袖巅峰对话，预演AI+科学未来十年
2026-01-30 13:26:15
万字长文 | 拿下诺贝尔奖、Anthropic创始人最看好的领域是哪个？
2024-12-10 18:00:57
诺奖得主David Baker：AI for Science的13片蓝海
2024-12-20 12:28:09
基准测试揭秘大模型“字数危机”：26个模型长文本生成普遍拉胯，最大输出长度过度宣传
2025-05-29 15:34:10
外国高三学生创建 AI 评测网站：让模型在《我的世界》里“一决高下”
2025-03-22 16:25:54
谷歌发布 FACTS Grounding 基准：Gemini、GPT-4o、Claude 当评委，成 AI 大语言模型“幻觉照妖镜”
2024-12-18 14:32:52
被英伟达点名的杭州团队，补上了AI for Science的「最后一公里」
2026-09-16 12:34:38
787 文章
1061029 浏览
24小时热文
更多
-
2026-11-14 18:54:43 -
2026-11-14 18:53:22
-
2026-11-14 17:48:58
