跳到正文
热点事件持续更新

SciWorkBench发布:科学工作流Agent基准

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

研究者发布SciWorkBench基准,评估AI智能体在生物、化学、材料科学和物理领域的真实科学任务能力,任务基于同行评审文献或专家贡献场景构建。结果显示当前智能体能力有限:在Claude Code和Codex智能体框架下的统一评测协议中,表现最好的智能体平均分仅57.38。 失败分析发现三大弱点:难以将科学知识转化为具体操作流程、跨模态证据整合能力弱、科学自我纠错能力有限。

AI 根据报道生成 · 16 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    SciWorkBench:面向真实科学工作流的 Agent 基准测试

    研究者推出 SciWorkBench 基准,评估 AI 智能体在生物、化学、材料科学和物理领域的真实科学任务能力,任务基于同行评审文献或专家贡献场景构建。在 Claude Code 和 Codex 智能体框架下统一评测,表现最好的智能体平均分仅 57.38。失败分析发现三大弱点:难以将科学知识转化为具体操作流程、跨模态证据整合能力弱、科学自我纠错能力有限。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。