评估 AI 执行科学研究任务的能力

OpenAI 推出 FrontierScience 基准,由物理、化学、生物学专家撰写并交叉验证,包含 Olympiad(奥赛风格短答案题)与 Research(用 10 分制评分量规打分的真实科研子任务)两条赛道,共 700 多道题、黄金集 160 道。GPT‑5.2 在两条赛道上分别取得 77% 与 25%,领先其他前沿模型,但开放式研究类任务仍有很大提升空间。