该文档为2026年AI指数报告第四部分,重点分析了AI模型在软件、数学、金融和法律等专业领域的基准测试表现。关键发现显示顶级模型在SWE-bench编码测试达76.8%准确率,数学推理在FrontierMath提升至31.3%,但金融和法律领域准确率普遍低于70%。报告指出模型在自主应用构建和严谨证明生成方面仍存挑战,建议需继续提升专业领域推理与多步骤任务执行能力。
网络安全文章















