科研智能体基准 PersonaScienceBench 发布

Siyang Wu 等作者提出并发布 PersonaScienceBench 科研智能体评测基准，包含来自五个基准、覆盖四个科学领域的 200 个任务。基准让模拟研究者按 persona 画像提供上下文与反馈，任务目标与评分保持不变。 在十八种模型配置上，任务表现、事实召回与自我重复呈现不同优势；据 GPT 6 Astra 的分析，即使最终得分相同，智能体在不同研究者画像下的澄清提问与工作流调整行为也可能不同。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。