arXiv cs.AI· Yinling Zhang, Langchen Liu, Dongbin Xiu, Xueyan Zou, Xu Kuang, Mengdi Wang, Shilong Liu·· 12 小时前AI 评分48
SciExam for ENSO：AI 智能体能否构建气候模型？
SciExam for ENSO: Can AI Agents Build Climate Models?
AI 导读
SciExam for ENSO 是一个让 AI 智能体从真实观测数据构建 ENSO 低阶随机模型的基准，在六小时预算内智能体需自行编写诊断并仅以此为反馈建模，隐藏评分器再检验模型能否复现 ENSO 统计特征、恢复未观测变量并预测留出年份。
正文 · AI 翻译
摘要：语言模型智能体越来越多地被要求开展开放式科学研究，但它们的结果通常依据已知答案、评分标准或语言模型评审来评分，而这些方式都无法判断一个新的科学模型是否有效。厄尔尼诺-南方涛动 AI 科学考试（SciExam for ENSO）是一个基准，其中智能体根据真实观测数据构建 ENSO 的低阶随机模型，ENSO 是年际气候变率的主导模态。在六小时的时间预算内，智能体处理观测数据，编写自己的诊断程序，这些程序随后被冻结，并且仅以这些诊断作为反馈来开发模型。隐藏的评分器随后测试该模型是否再现 ENSO 的统计特征、恢复未观测变量并预测留出年份，并以相同方式对已发表模型评分。在十二个智能体系统中，有六个生成的模型得分高于已发表模型，主要得益于更好的重建和预测。较强模型的简化形式各自与 ENSO 冷暖不对称的两种相互竞争的解释之一相容，而这一公开争论任务从未提及。在不同信息条件下对顶级系统进行的受控运行表明，其得分并非来自回忆过时的观测记录，并且其接收的信息塑造了它构建模型的方式。因此，SciExam for ENSO 可以在答案未知的情况下评估智能体研究，结果表明智能体已经能够构建有竞争力的模型，其结构关系到科学家仍在争论的问题。
| 评论： | 28 页，5 幅图，8 张表。代码：此 https URL |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG）；大气与海洋物理（physics.ao-ph） |
| ACM 分类： | I.2.6；J.2 |
| 引用为： | arXiv:2610.10513 [cs.AI] |
| （或 arXiv:2610.10513v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10513 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yinling Zhang [查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 17:52:52 UTC（4,791 KB）
[v2]
2026 年 10 月 21 日星期三 06:15:59 UTC（6,660 KB）
来源：arXiv cs.AI · arxiv.org