हमें एआई सिस्टम के लिए मजबूत बेंचमार्क की कमी है जो फ्रंटियर वैज्ञानिक तर्क का प्रदर्शन करती है।
Open
WS01831
Global / Global / Unspecified
मौजूदा परीक्षण खुले अनुसंधान कार्यों के बजाय ज्ञात-answer प्रश्नों पर ध्यान केंद्रित करते हैं। बेंचमार्क जो वास्तविक अनुसंधान subtasks पर मॉडल का मूल्यांकन करते हैं, विकास का मार्गदर्शन कर सकते हैं।
Team Humans Club. (2026). हमें एआई सिस्टम के लिए मजबूत बेंचमार्क की कमी है जो फ्रंटियर वैज्ञानिक तर्क का प्रदर्शन करती है।. World Solve (WS01831). https://www.worldsolve.org/?view=problem&id=1831