关于 PaperBenchX 的报道

ChatGPT 能够解决千禧年数学难题，但论文复现率低至 13.98%，这引发了人们对 AI 在科学研究上的进步的评估标准的思考。PaperBenchX 是一个多学科端到端论文结果复现的 Benchmark，能够帮助评估 AI 的可靠性。