arXiv·· 12 天前AI 评分22
ST-Bench：面向科研任务的多智能体系统生成空间-时间基准
ST-Bench: A Spatial-Temporal Benchmark for Multi-Agent System Generation on Scientific Research Tasks
AI 导读
研究者推出 ST-Bench，一个用于检验 LLM 多智能体系统（MAS）能否在真实科学数据分析中胜过单智能体的空间-时间基准，包含 100 个改编自已发表地球科学研究的数据科学任务，覆盖水文学、农业等领域。该基准同时考察 MAS 相对单智能体的性能提升幅度与额外成本。
来源：arXiv · arxiv.org