发布神经影像自主AI智能体基准NIBench

Lujia Zhong 等作者在 arXiv 发布神经影像自主 AI 智能体基准 NIBench，包含三部分评估：覆盖七种工具生态、56 个任务的执行与工作流重建测试，基于执行轨迹蒸馏的技能进化测试，以及来自阿尔茨海默病已发表研究的 36 条论断的科学判断测试。 研究在统一智能体框架下评估了 19 个语言模型，其中部分模型进行技能蒸馏与论断评估。结果显示，领先智能体几乎能完美执行给定的分析流程，但蒸馏出的技能对未见任务的收益不一致，智能体有时得出与专家不一致的科学结论。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。