arXiv·· 14 天前AI 评分36
我们是否在衡量科学智能？重新思考 AI 科学家的评估方式
Are We Measuring Scientific Intelligence? Rethinking the Evaluation of AI Scientists
AI 导读
研究指出，当前 AI 智能体科学基准默认正确答案来自所给数据（即证据接地），但智能体也可能靠先验知识或排除法得到答案，单次运行得分无法区分这些情况。作者为每道题构造数据文件的不同版本，用以检验该假设，结果发现它经常不成立。
来源：arXiv · arxiv.org