PaperBench: Evaluating AI’s Ability to Replicate AI Research

En 3 lignesOpenAI présente PaperBench, un benchmark mesurant la capacité des agents IA à reproduire des recherches IA de pointe. Le test évalue si les modèles peuvent implémenter des papiers scientifiques complexes de manière autonome.

Résumé généré par Claude — vérifié par l'humain