研究者提出SciValidityBench科学智能体记忆基准

Yuexi Pan、Yongchao Chen 等研究者提出 SciValidityBench，一个可执行基准工厂，含 64 个 TaskSpecs，覆盖五个有效性模块与六个科学领域，用于检验科学智能体记住的事实是否“有资格”影响决策。 配套的 SciStateForge 编译器-读取器框架将分布式历史转为显式决策治理状态。研究者在四个模型家族上测试，称其相比通用 Event Graph 提升有效决策 9.2–18.8 个百分点，且仅靠检索无法复现该增益。

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。