跳到正文
热点事件持续更新

SciWorkBench 科学工作流基准发布

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者 Yuchen Zhang 等提出并发布 SciWorkBench,一个覆盖生物学、化学、材料科学与物理学的真实科研任务基准,用于评估语言模型智能体能否完成科学家式项目。 在 Claude Code 与 Codex 框架下统一评测,表现最好的智能体平均得分仅 57.38。失败分析指出三类工作流层面弱点:难以将科学知识转化为任务步骤、跨模态证据整合薄弱、科学自我纠错能力有限。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    SciWorkBench:面向真实科学工作流的智能体基准测试

    研究者提出 SciWorkBench,一个覆盖生物学、化学、材料科学与物理学的真实科研任务基准,用于评估语言模型智能体能否完成科学家式项目。在 Claude Code 与 Codex 框架下统一评测,表现最好的智能体平均得分仅 57.38。失败分析指出三类工作流层面弱点:难以将科学知识转化为任务步骤、跨模态证据整合薄弱、科学自我纠错能力有限。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。