PaperBenchX に関する報道

ChatGPTはミレニアム懸賞問題の解決が可能である一方、論文の再現率は13.98%にとどまっており、科学研究におけるAIの進歩の評価基準について改めて考えさせられています。PaperBenchXは、マルチモーダルでエンドツーエンドの論文結果再現を行うベンチマークであり、AIの信頼性を評価するのに役立ちます。