科学机器学习自动化：前沿智能体能否在真实环境中攻克科学难题？

Agent4Sci 是一项长期测试平台，用于评估当前 AI 智能体在 11 个科学领域的 20 项基准测试中改进已发表最佳模型的能力。智能体在所有基准测试中都超过了此前的最佳结果。Claude Opus 的平均相对提升为 10.4%；加入支持研究构思、实验管理和定期检查清单的轻量工具后，提升至 20.1%。不过，这些进步主要依靠已有的机器学习工程技巧，而非新的科学洞见。分析还发现，智能体在判断创新性、充分利用资源以及避免过早陷入局部工程优化方面存在反复出现的不足。代码和数据已公开。

行业资讯研究开源 2026-10-25 02:01:00 626 阅读阅读约 1 分钟来源：Hugging Face

本文来源：Hugging Face，仅供学习参考，版权归原作者所有。