研究人员推出了 D3-Gym，这是一个旨在为科学数据驱动发现任务创建可验证环境的新型数据集。该数据集包含来自真实科学存储库的 565 个任务，每个任务都包含与人类判断高度一致的指令、可执行环境和评估脚本。在 D3-Gym 上训练 AI 模型已显示出显著的性能提升，尤其是在 ScienceAgentBench 基准测试中将 Qwen3-32B 模型提高了 7.8 个百分点。 AI
影响 提供新的基准和训练数据，以改进用于科学发现的 AI 代理。
排序理由 该集群描述了一篇介绍数据集及其评估的新学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.27977v1 Announce Type: new Abstract: Despite recent progress in language models and agents for scientific data-driven discovery, further advancing their capabilities is held back by the absence of verifiable environments representing real-world scientific tasks.To fill…
Despite recent progress in language models and agents for scientific data-driven discovery, further advancing their capabilities is held back by the absence of verifiable environments representing real-world scientific tasks.To fill this gap, we introduce D3-Gym, the first automa…