丘成桐新论文致谢GPT和Claude

KaliBench评估了LLM在Kali Linux上生成安全工具命令的能力，开源模型表现不佳但可通过训练改进。

ScholarCatalyst 基准揭示当前 AI 在科研文献检索上的局限，Claude Fable 5.1 也未能超越传统嵌入方法。