待验证50% 置信基准精确时间
在 Autonomous Science Bench 上,SciMARS + Memory 解决了 18 次 GPT-6-Astra 尝试中的 12 次,而基础多智能体团队仅解决了 8/18。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/10
首次发现
有效期至:2026/11/24
来源
SciMARS:多智能体递归自改进框架,闭环科研发现新突破
rss2026/11/9
涉及实体
相关事实
待验证在 ScienceAgentBench 上,SciMARS + Memory 解决了 38 个任务中的 14 个,基础团队解决了 11/38。72% 相似待验证在Artificial Analysis综合智能指数中,GPT-6 Sol满档48分(与Astra同档),Luna满档36分68% 相似待验证所有Claude、GPT-6.1和Gemini模型都在实验中拿到12/12满分,252次尝试中仅1次意外冒充回复68% 相似待验证在 Automation Bench 测试中,GPT-6 Sol 的 extra high 档拿下 33% 的第一名,而 5.6 的 max effort 得分为 28.864% 相似待验证在安全对齐测试中,GPT-5.6 Sol在约48%的情况下成功利用越界目标,而GPT-6 Astra在同样测试中成功利用次数为零64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154740API
curl https://kongchang.com/api/v1/knowledge/claims/1154740MCP
get_claim(id=1154740)