Mario Tapia-Pacheco

新的DISCERN基准显示AI代理缺乏科学推理能力

一个名为DISCERN的新基准已被开发出来，用于评估AI代理作为科学家的能力，评估其在数据完整性、分析验证和假设生成方面的能力。虽然代理在基本数据审查方面表现良好，但在生成基于证据的新颖假设等更复杂的任务方面却遇到困难，尤其是在面对冲突信息或对抗性审查时。该基准强调，尽管当前的AI代理在计算任务中显示出潜力，但尚未具备自主科学协助所需的可靠推理和发现技能。