基准OpenProblems
OpenProblems
一个用于评估科研智能体在开放问题上表现的基准测试集，涵盖多个科研任务。
时间轴 (近 90 天)
10月20日
SwarmRSI框架在OpenProblems、NatureBench和MLEBench Lite三个基准的118个任务上全面刷新SOTA。
待验证50%
10月20日
以DeepSeek V4 Pro为backbone时，SwarmRSI在OpenProblems上平均得分74.2，超过此前SOTA的67.1。
待验证50%
10月20日
切换至Gemini 3.1 Pro Preview后，SwarmRSI在OpenProblems得分提升至76.2。
待验证50%