科学研究

研究团队提出前瞻性假设发现（PHD）任务，评估大语言模型在证据不完整、结论未定时自主构建可检验假设空间的能力。新基准 HypoArena 涵盖 988 个科学分析案例，实验显示不同模型在该任务上存在明显能力分层。

OpenAI发布GeneBench-Pro基准测试，旨在评估AI在基因组学、生物学及科学研究中使用复杂真实数据集的表现。

Google DeepMind发布Empirical Research Assistance（ERA），旨在将学术研究成果转化为加速计算发现的实用工具。

天体物理学家陈志宽利用OpenAI Codex构建黑洞模拟系统，帮助科学家研究极端物理现象并验证广义相对论。