ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？
2026.10.08 · 事件 · 论文 · 论文预印本
PaperBenchX测评显示，最强模型GPT-6 Astra完整复现率仅13.98%。
UniPat AI发布PaperBenchX，从93篇论文构建93个复现任务，横跨12个方向、10种科学环境，含3168条专家校验评分项。表现最强的GPT-6 Astra完整复现率仅13.98%，验证环节平均得分仅42.80%。
- PaperBenchX含93个复现任务，覆盖12个研究方向
- 含3168条专家校验评分项，10种领域原生科学环境
- 最强GPT-6 Astra完整复现率仅13.98%
- 验证环节平均得分42.80%，低于建模和执行
- 单任务预算4至24小时，中位数7小时
为什么值得看
首次量化AI端到端科学复现能力与差距。
适合谁关注
关注AI for Science与Agent评测的研究者。