Noticias sobre PaperBenchX

ChatGPT puede resolver problemas matemáticos de los premios del milenio, pero la tasa de reproducibilidad de los papers es tan baja como el 13,98 %, lo que plantea dudas sobre los criterios de evaluación del progreso de la IA en la investigación científica. PaperBenchX es un benchmark multidisciplinario de extremo a extremo para la reproducción de resultados de papers que ayuda a evaluar la fiabilidad de la IA.