OpenAI 2026-06-18 OpenAI LifeSciBench 暴露 AI 科研差距 750 題基準測試顯示,前沿模型已能輔助生命科學,但距離獨立承擔研究仍很遠。 #AI for Science#大模型評測
AI 編程 2026-06-15 SWE-Explore 顯示 coding agent 常漏掉關鍵行 上海交通大學牽頭的新基準指出,agent 常能找到正確文件,但真正與 bug 相關的行命中率只有約 14% 到 19%。 #大模型評測#智慧體#研究