Agent4Sci测试平台评估智能体在科学机器学习中的表现

发生了什么

arXiv cs.AI发布Agent4Sci平台，用于评估前沿智能体在科学机器学习中的表现。该平台涵盖11个领域的20个基准，分析智能体在真实条件下的进步与局限。研究发现，Claude Opus等智能体通过ML工程技巧提升模型，但缺乏研究级洞察。轻量级插件技能可提升效果，Claude Opus提升至20.1%，Codex至8.1%。平台代码和数据开源，以推动智能体从工程向领域洞察发展。