科学奥赛新考场：ScienceArena如何给大模型发“金牌”？

如今的AI在科学推理上常被传统测试“放水”——题海太熟、记忆刷分，真假推理难辨。为此，研究者打造了ScienceArena，一个基于十三项物理、化学、生物国际奥赛真题的新基准。它把官方PDF、图表、评分细则全部数字化，由奥赛奖牌得主双重审核，再匹配专家校准的AI评分系统，既能量出过程分，又逼近真实竞赛标准。结果显示顶尖模型已能摸到奖牌线，但化学结构与长流程推理仍是硬伤。想知道大模型的理科“含金量”？

原文：arxiv.org