行业与实践 · 标签「PaperBench」

研究与基准测试/2026-10-21/22 分钟

PaperBench：从零复现论文，最好的智能体只有 21.0%

OpenAI 的 PaperBench 用 20 篇 ICML 2024 论文、8316 条量规叶节点，测智能体能否从零复现研究。Claude 3.5 Sonnet 平均 21.0%，3 篇子集上博士 48 小时后 41.4%，o1 为 26.6%。