CORE-Bench 基准发布：AI 复现论文能力测试准确率仅 22%

研究人员推出 CORE-Bench 基准，用于衡量 AI 自动化复现论文计算结果的能力。该基准包含 90 篇论文，设三个难度等级。测试中，基于 GPT-4o 的专用智能体 CORE-Agent 在最高难度等级上准确率仅达 22%。