FINAL-Bench
面向GPU加速量子模拟的公开基准测试框架与竞赛基础设施，负责定义评估标准、问题集、提交协议和排行榜机制，用于评估AI系统在物理模拟任务上的推理能力
时间轴 (近 90 天)
按占据榜单第一数量统计，组织榜第一为FINAL-Bench（11个榜首），第二为inclusionAI（4个），第三为zai-org（4个）。
FINAL-Bench与榜单维护方QuantID存在技术合作伙伴关系，其母公司VIDRAFT出现在排名中，因此该日报并非独立评测。
FINAL-Bench的11个榜首由其Darwin-180B-RSI系列模型贡献，覆盖MMLU-Pro（88.12）、gpqa（94.44）、MMMU_Pro（79.48）、LEXam系列、hmmt_feb_2026（100分）等方向。
Open Materials Challenge要求提交锂电解质晶体，第1赛季开放至2026-11-30。
Open Discovery Challenge要求提交药物候选分子（SMILES），验证依据包括靶点与反靶点结构预测、ADMET和新颖性，第2至4赛季开放。
Open Superconductor Challenge要求提交每种二维材料的d波配对估计，第1赛季开放至2026-12-31。
Open Quantum Challenge要求提交Hubbard能量或表面码解码器，两个赛季开放至2027年。
LEADBOARD包含21个榜单，要求对留出分子进行性质预测，标签永不公开。
隐藏验证器通过切断反馈回路来缓解reward hacking，但并不能完全消除，因为参赛者仍可借助公开规则与训练数据间接推断评分偏好。
FINAL-Bench挑战赛的所有分数都是计算预测，而非实验室测量，高分只代表值得测试的假设而非已验证的科学事实。
还有 10 条时间轴事件
全部知识事实 (17)
FINAL-Bench的11个榜首由其Darwin-180B-RSI系列模型贡献，覆盖MMLU-Pro（88.12）、gpqa（94.44）、MMMU_Pro（79.48）、LEXam系列、hmmt_feb_2026（100分）等方向。
50%待验证按占据榜单第一数量统计，组织榜第一为FINAL-Bench（11个榜首），第二为inclusionAI（4个），第三为zai-org（4个）。
50%待验证FINAL-Bench与榜单维护方QuantID存在技术合作伙伴关系，其母公司VIDRAFT出现在排名中，因此该日报并非独立评测。
50%待验证Open Discovery Challenge要求提交药物候选分子（SMILES），验证依据包括靶点与反靶点结构预测、ADMET和新颖性，第2至4赛季开放。
50%待验证Open Materials Challenge要求提交锂电解质晶体，第1赛季开放至2026-11-30。
50%待验证Open Superconductor Challenge要求提交每种二维材料的d波配对估计，第1赛季开放至2026-12-31。
50%待验证FINAL-Bench推出了五个开放科学挑战赛，覆盖药物发现、材料科学、超导物理和量子计算四个领域。
50%待验证FINAL-Bench的评分器对提交者不可见，答案密钥始终留在组织者硬件上，规则、权重和提交限制则全部公开。
50%待验证LEADBOARD包含21个榜单，要求对留出分子进行性质预测，标签永不公开。
50%待验证隐藏验证器通过切断反馈回路来缓解reward hacking，但并不能完全消除，因为参赛者仍可借助公开规则与训练数据间接推断评分偏好。
50%待验证FINAL-Bench挑战赛的所有分数都是计算预测，而非实验室测量，高分只代表值得测试的假设而非已验证的科学事实。
50%待验证验证器基于历史数据训练，对真正新颖的候选物外推能力可能不足，存在分布偏移问题，导致高分作品可能在实验中失败。
50%待验证Open Quantum Challenge要求提交Hubbard能量或表面码解码器，两个赛季开放至2027年。
50%待验证在组织获得第一名次数统计中，FINAL-Bench以11次排名第一，inclusionAI和zai-org各以4次并列第二。
50%待验证发布方QuantID是VIDRAFT的技术合作伙伴，而FINAL-Bench是VIDRAFT旗下的组织，因此榜单存在利益披露，原文声明这不是一次独立评测。
50%待验证FINAL-Bench 是该基准测试的框架和竞赛基础设施，负责定义评估标准、问题集和排行榜机制，角色类似于评测协议层。
50%待验证Decide Live 由 VIDRAFT / FINAL-Bench 构建，采用 Apache-2.0 协议开源
50%