OpenProblemBench 是什么？
它是一个包含82个来自数学和理论物理文献的未解决问题的基准，用于评估 AI 在基础理论科学问题上的能力。
OpenProblemBench: Benchmarking AI on Open Problems in the Foundational Theoretical Sciences
（翻译）OpenProblemBench：在基础理论科学开放问题上对 AI 进行基准测试
资讯摘要
Abstract page for arXiv paper 2610.11118: OpenProblemBench: Benchmarking AI on Open Problems in the Foundational Theoretical Sciences
AI 摘要
arXiv 论文介绍 OpenProblemBench，一个包含82个数学和理论物理未解决问题的基准，用于评估 AI 在既有知识之外解决科学问题的能力。论文称 GPT-6-Astra 在七种配置中平均判定解决率最高，为14.0%。
AI 问答
该基准如何评估提交结果？
每个问题提供研究背景、假设和既有进展，四个评估模型独立判断提交内容的正确性、完整性和进展程度。
论文中表现最好的模型配置是什么？
摘要称，在七种被评估配置中，GPT-6-Astra 的平均判定解决率最高，为14.0%。
更多资讯
定义了软件工程的计算机科学家 Margaret Hamilton 去世，享年 90 岁
和过往的捷豹说再见吧：Type 01 发布，用千匹动力迎接一批新买家36氪首发丨航天老兵创业做高分辨率遥感相机，连续完成多轮次近亿元融资Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM MemoryARTEX 从 GitHub 下架
把带权益的美股放上Solana：这条合规路径能走多远？Can AI Agents Make Open-Ended Scientific Discovery? Evidence from Station已知最早的游泳哺乳动物
微软携英伟达发布Surface新机 推出“龙虾”个人助手Distillation for Incrimination and Distillation for Capabilities
Building Reliable Data Analytics Agents: Lessons from the KDD Cup
L2关停潮来袭：Blast、Abstract等明星项目为何退场
文明级迁移风控层｜长周期不可逆的文明扰动识别
加密货币如何从根本上重塑金融体系Reading the Room: Foundations, Design, and Challenges of Normative Competence in LLMsAccelerating Floating-Point Satisfiability Solving via Gradient Normalization
关于 AI Agent、信任与决策权的 100 条
花旗：美联储“鸽派意外”正酝酿 核心通胀2%是关键
阿里开源了个神器，给WorkBuddy、豆包挑毛病
巨资拿下低频频段 SpaceX进军手机运营商
开源大模型推理卷上新高度，GLM-5.3 在英伟达 GB200 上飙出 100 tok/s
投资人：AI 下一轮机会在能源 Crypto正在寻找新价值
以太坊大区块时代将至：Glamsterdam 通过测试网首考
医疗大模型在院内场景的落地路径与产品化难点
企业已经有银企直联了，为什么还要再建司库？
“AI央行”英伟达的“千亿资本局”
Abstract 关停警示：拥有资产不等于能转出至简动力冯宗宝：在间隙仅 0.5 毫米的真实场景下，实现机器人造机器人 | IROS 2026我所知道的张磊：一场MSRA赛马与半个中国AI江湖OpenAI 针对欧洲用户在 ChatGPT 和 Codex 嵌入水印
和过往的捷豹说再见吧：Type 01 发布，用千匹动力迎接一批新买家36氪首发丨航天老兵创业做高分辨率遥感相机，连续完成多轮次近亿元融资Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM MemoryARTEX 从 GitHub 下架把带权益的美股放上Solana：这条合规路径能走多远？Can AI Agents Make Open-Ended Scientific Discovery? Evidence from Station已知最早的游泳哺乳动物微软携英伟达发布Surface新机 推出“龙虾”个人助手Distillation for Incrimination and Distillation for CapabilitiesBuilding Reliable Data Analytics Agents: Lessons from the KDD CupL2关停潮来袭：Blast、Abstract等明星项目为何退场文明级迁移风控层｜长周期不可逆的文明扰动识别加密货币如何从根本上重塑金融体系Reading the Room: Foundations, Design, and Challenges of Normative Competence in LLMsAccelerating Floating-Point Satisfiability Solving via Gradient Normalization关于 AI Agent、信任与决策权的 100 条花旗：美联储“鸽派意外”正酝酿 核心通胀2%是关键阿里开源了个神器，给WorkBuddy、豆包挑毛病巨资拿下低频频段 SpaceX进军手机运营商开源大模型推理卷上新高度，GLM-5.3 在英伟达 GB200 上飙出 100 tok/s投资人：AI 下一轮机会在能源 Crypto正在寻找新价值以太坊大区块时代将至：Glamsterdam 通过测试网首考医疗大模型在院内场景的落地路径与产品化难点企业已经有银企直联了，为什么还要再建司库？“AI央行”英伟达的“千亿资本局”Abstract 关停警示：拥有资产不等于能转出至简动力冯宗宝：在间隙仅 0.5 毫米的真实场景下，实现机器人造机器人 | IROS 2026我所知道的张磊：一场MSRA赛马与半个中国AI江湖OpenAI 针对欧洲用户在 ChatGPT 和 Codex 嵌入水印