实体 CompMat-Bench

CompMat-Bench

PulseAugur coverage of CompMat-Bench — every cluster mentioning CompMat-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_270752 · Sep 30 · 04:00

新基准评估人工智能代理在复杂科学工作流中的表现

推出了两个新基准 CompMat-Bench 和 MatToolBench，用于评估人工智能代理在计算材料科学中的能力。CompMat-Bench 侧重于代理通过准备模拟的输入和分析输出来完成科学目标的步骤，代理在单一任务上表现出中等成功率，但在更长的工作流或减少指导的情况下遇到困难。另一方面，MatToolBench 在专业科学软件上测试多模态代理，包括 GUI 操作和脚本编写，揭示了通用基准性能与真实科学工作流之间存在显著差距，即…