SFE评测揭示多模态AI科学能力短板，闭源模型表现更优

上海人工智能实验室发布SFE评测基准，系统评估多模态大模型在科学领域的认知能力。测试显示主流多模态模型在高阶科学任务中表现不佳，综合得分仅30分左右。闭源模型（如GPT-o3、Claude-3.7）优于开源模型，但同系列模型能力持续提升。材料科学领域表现最好，天文学任务难度最高。评测指出模型推理能力进步显著，但知识理解能力提升有限，且模型规模扩大未必直接提升科学能力，需更多科学数据支撑。