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%）。

质量感知迭代推理（QAIR）能根据解答质量自适应地调整迭代深度：高质量解答可提前收敛，低质量解答则触发更多探索，从而在效率与准确率之间取得平衡。

该机制为每个方案评估三个维度：逻辑性、答案正确性、解释完整性。只有未达标的方案才会进入下一轮修正，避免在低质量候选上浪费计算资源。

Eigen-1的优势不限于HLE：

最后，作者通过对比准确率提升与token减少的关系，直观展示了隐式增强相对于显式RAG的巨大优势。

传统的基线 RAG方案虽然能提升准确率，但以巨大的计算开销为代价，在图中表现为向右上方延伸（准确率提升但token增加）。

而Eigen-1则位于左上象限，在大幅提升准确率的同时减少了53.5%的token消耗，工作流迭代次数也从94.8步降至53.4步，减少了43.7%。这种“既要又要”的成果，正是架构创新的价值所在。

Eigen-1首次突破60分的意义远超一个基准测试：Eigen-1更预示着AI辅助科学研究的新范式。

当AI能够真正理解和推理人类知识前沿的复杂问题时，它将成为科学家的强大助手，加速从基础研究到应用转化的全过程。

研究团队表示，未来将继续优化架构设计，探索向其他科学领域的扩展，并研究如何将这些技术整合到更广泛的科学工作流中。随着更多研究者加入这一开源生态，我们有理由期待科学AI将迎来更快速的发展。

正如团队所言：“HLE可能是我们需要对模型进行的一次重要的考试，但它远非AI的最后一个基准。”当开源社区携手推进，人类与AI协作探索未知的新时代正在加速到来。

论文链接：https://arxiv.org/pdf/2509.21193v1

项目地址：https://github.com/tangxiangru/Eigen-1

本文来自微信公众号“量子位”，作者：Eigen-1团队 ，36氪经授权发布。