研究者发布PersonaScienceBench科研Agent基准

研究者发布 PersonaScienceBench，一个用于评估科研 Agent 的基准，包含来自五个基准、四个科学领域的 200 个任务。基准引入带 persona 档案的模拟科研人员，Agent 只能通过对话获知研究者偏好，模拟者会提供上下文和反馈，而任务目标与评分标准保持固定。 作者团队在 18 种模型配置上比较任务表现、事实恢复与自我重复。据其分析（GPT 6 Astra），Agent 面对不同研究者画像会做出针对性的澄清和流程调整，即使最终得分相同，这些行为也可能不同。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。