跳到正文
论文与研究

斯坦福等联合发布湿实验预测基准SPU,前沿模型集体不及格

「史上最严」湿实验预测基准发布!推理拉满、算力翻5倍也白搭

UniPat AI牵头,联合斯坦福、哈佛、康奈尔等团队发布湿实验预测基准SPU,含116个任务、4207个湿实验,覆盖化学、材料、生物与医学。首轮评测12款前沿模型13种配置,最高分Claude Opus 5.5仅0.486,仅约半数任务超过随机水平;提高推理强度与算力投入几乎不提升得分。100个公开任务计划以Harbor任务包发布,数据集与代码已开源。

量量子位阅读原文

相关阅读

论文与研究·Microsoft Research
微软研究披露Lazarus后门技术,可重编程休眠神经元控制AI智能体
论文与研究·Google DeepMind Blog
DeepMind 用 AlphaProof Code 形式化验证 Signal 协议代码
论文与研究·NVIDIA Blog
NVIDIA 在 CoRL 发布开源世界动作模型 GR00T 2 与 Isaac Lab 3.0