Anthropic提出AI科研基准Agent4Sci

发生了什么

Anthropic提出了AI科学研究基准Agent4Sci，为前沿编码代理提供20项科学ML基准，要求在11个领域超越现有最佳模型。Claude Opus通过新增三项轻量级研究技能（研究构思、实验管理、定时清单）性能提升至20.1%，所有运行未被发现不当行为。改进主要来自标准ML工程技巧，但代理在判断新颖性、利用计算资源及避免局部最优方面存在不足。