一夜200万阅读，OpenAI神同步！这项测评框架让全球顶尖LLM全翻车

由中国初创企业「深度原理Deep Principle」联合MIT、哈佛、斯坦福、剑桥等全球24所顶尖机构发布的论文《Evaluating LLMs in Scientific Discovery》，提出首套面向科学发现的评测体系SDE，涵盖生物、化学、材料、物理领域。测试显示，GPT-5、Claude-4.5等主流大模型在SDE上平均准确率仅为50–70%，在86道高难题中最高得分不足12%，暴露出多步推理与实验闭环能力的严重不足；且模型升级带来的性能增益显著递减，部分场景反现下滑，整体表现不及普通本科生。研究历时9个月，集结50余位国际专家，呼应OpenAI同期研究，凸显现有评测体系局限，呼吁构建专用于科学创新的AI新路径。论文发布后24小时内阅读量逼近200万，引发全球热议。
来源：https://mp.weixin.qq.com/s/Zxl7j7960Lmp9DrrdJF3xQ