EurekaBench

新基准 EurekaBench 测试 AI 代理的科学发现能力

研究人员开发了 EurekaBench，这是一个旨在评估 AI 代理科学发现能力的基准。该基准涵盖神经科学、计算机科学、化学、天体物理学、地球物理学和等离子体物理学等多个领域，并评估代理从观察到的数据中发现解释性潜在机制的能力。尽管当前的 AI 代理在优化预测准确性方面表现出色，但在从其发现中获得有意义的科学见解方面，它们远远落后于人类科学家。