待验证50% 置信事实精确时间
FINAL-Bench推出了五个开放科学挑战赛，覆盖药物发现、材料科学、超导物理和量子计算四个领域。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
五大开放科学挑战：隐藏验证器如何重塑AI科研评估
rss2026/10/19
涉及实体
相关事实
待验证研究团队发布了配套的基准测试集SkillCascade-Bench64% 相似待验证FINAL-Bench挑战赛的所有分数都是计算预测，而非实验室测量，高分只代表值得测试的假设而非已验证的科学事实。63% 相似待验证该基准分为两层：理智门（Sanity gate）包含五类任务（lookup、abstain、distractor、multistep、units），压力测试 ng-hard 包含10行叠加多个陷阱的题目63% 相似待验证该基准一次性测试了来自六个实验室的18款模型，涵盖Anthropic、OpenAI、Google、DeepSeek、Qwen、GLM等60% 相似待验证ByteBench设计了五种测试模式：基础模式、参考实现模式、MVP扩展模式、叠加模式和并行任务模式60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069512API
curl https://kongchang.com/api/v1/knowledge/claims/1069512MCP
get_claim(id=1069512)