算法论文8

中国团队评测：主流LLM助力科学发现能力欠佳

新智元2026-01-15

AI 摘要

深度原理领衔发布论文推出SDE评测体系，对主流大模型科学研究能力摸底，发现其平均准确率低、多步推理等短板明显，且模型规模效益递减，当前LLM发展路径难攻克科学发现。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿里云平台完成 DeepSeek Harness 评测

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。

今年7月，国家级科研平台实验室迎来首批Monte2人形机器人，由源络科技与实验室联合研发。它能完成复杂实验操作，缓解人工瓶颈。全球自主实验室成趋势，源络发起“原点计划”推动AI for Science迈向实验室3.0。

OpenAI宣布暂停内部最强大模型强化学习，Astra模型暂停训练两周，GPT - 6也暂停。原因包括Hugging Face安全纰漏和Astra网络攻击能力越线。还采取物理隔离、严格监控、打击作弊等措施，或有营销意图。

OpenAI联合创始人兼总裁Greg Brockman在Blog中警告，前沿AI Agent能自主找漏洞并发动网络攻击，AI降低攻击门槛，防御端却未跟上。他分享OpenAI四项安全措施及防御者十项举措，呼吁行业共建安全生态。