Eigen-1团队 投稿 量子位 | 公众号 QbitAI 在HLE（"人类最后考试"）的专家校验子集上，首次有系统突破60分大关！ 就在最近，由耶鲁大学唐相儒、王昱婕，上海交通大学徐望瀚，UCLA万冠呈，牛津大学尹榛菲，Eigen AI金帝、王瀚锐等团队联合开发的 Eigen-1多智能体系统 实现了历史性突破—— 在HLE Bio/Chem Gold测试集上，Pass@1准确率达到48.3%，Pass@5准确率更是飙升至61.74%，首次跨越60分大关。这一成绩远超谷歌 Gemini 2.5 Pro（26.9%）、OpenAI GPT-5（22.82%）和Grok 4（30.2%）。 相比原始HLE数据集，这个子集排除了可能存在歧义或错误答案的问题，确保了标签的准确性和可靠性，因此成为评估AI科学推理能力最可信 的基准。 最令人振奋的是，这一成就并非依赖闭源超大模型，而是 完全基于开源的DeepSeek V3.1搭建 。 在这个开源底座上，研究团队通过叠加Monitor-based RAG（隐式知识增强）、HSR（分层解法修复）、QAIR（质量感知迭代推理）三大创 新机制，实现了质的飞跃。 下面详细展开—— ...