IdeaAMBIG 精读：从论文想法到能跑的代码之间，隔着 660 个“没人写的细节”
Yale×TUM×腾讯发布 IdeaAMBIG：660 个证据落地的“实现关键缺口”基准（163 个真实缺口来自可复现性报告与 GitHub issue + 497 个受控合成缺口），评测 LLM 能否发现科研想法规格中的缺失决策。13 个 LLM 最好者 Macro Defect Recovery 仅 9.6%——想法到实现的鸿沟被首次量化，且当前模型几乎看不见它。
Yale×TUM×腾讯发布 IdeaAMBIG：660 个证据落地的“实现关键缺口”基准（163 个真实缺口来自可复现性报告与 GitHub issue + 497 个受控合成缺口），评测 LLM 能否发现科研想法规格中的缺失决策。13 个 LLM 最好者 Macro Defect Recovery 仅 9.6%——想法到实现的鸿沟被首次量化，且当前模型几乎看不见它。