Science’s Last Exam (SLE) 是一项于2026年11月正式推出的评估 scientific agents 端到端科研能力的benchmark. 这项benchmark是由 AItonomy Foundation 牵头, 联合来自全球 5 个国家、34 所顶尖高校与科研机构的博士生与博士后编写和审校的, Twitter链接. 根据牵头组织发布的对比图, 这个benchmark的完整性超过了此前所有同类型benchmark: 在这一benchmark上, 已有8个模型被测试：GPT…