Anthropic发布科研自动爬坡评测框架Agent4Sci

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，该工作入选 NeurIPS 2026 评估与数据集赛道。 在该框架中，爬坡 Agent 获取论文、代码、训练数据和验证数据，在固定资源预算内修改代码、训练模型并提交结果，但无法访问测试集；每次实验提供 8 张 H200 GPU 和 12 小时预算，人类不参与实验过程中的具体决策。据 36 氪报道，Anthropic 发现前沿 Agent 的科研提升主要来自常规工程技巧。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。