研究者发布SciValidityBench科学智能体记忆有效性基准

研究者Yuexi Pan与Yongchao Chen发布SciValidityBench，一个用于测试智能体能否判断所记住的科学证据是否有资格影响决策的可执行基准工厂，据其论文介绍。该基准包含64个TaskSpecs，覆盖五个有效性模块和六个科学领域，聚焦“事实正确、决策错误”问题，即智能体即使记住了正确的科学事实，也可能在决策中误用这些证据。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。