Anthropic 提出 Agent4Sci 评测框架，发现前沿 Agent 的科研提升主要来自常规工程技巧

Anthropic 团队提出面向科学机器学习任务的长程自动爬坡评测框架 Agent4Sci，覆盖 11 个科学领域、20 个基准和 25 个任务，论文见 https://arxiv.org/abs/2610.28763，入选 NeurIPS 2026 评估与数据集赛道。