UniPat AI 推出 PaperBenchX：10 个前沿 Agent 复现 93 篇论文任务多数失败

UniPat AI 推出 PaperBenchX 基准，让 10 个前沿 Agent 配置在真实科学软件中复现 12 个方向共 93 个已发表论文实验。70 道题没有被任何配置完全复现，GPT-6 Astra 仅 14% 任务过关，国产模型约 7%；建模和执行得分在六成以上，科学验证仅约 43%。评测含 3168 个可评分标准，采用隔离环境重跑验证，任务构建投入超 1000 小时博士级专家工作。