Science Agent Arena

DeepMind与全球伙伴推出新的AI评估框架

DeepMind、微软研究院和斯坦福大学联合撰写的一篇新研究论文，提出了一种新颖的AI科学家评估框架。该框架名为“发现集”，超越了传统的基于知识的考试，旨在评估AI完成从假设生成到实验验证和优化的完整科学研究周期的能力。DeepMind的MIRA平台被重点介绍为该框架的实际应用，在Research Claw Benchmark和Science Agent Arena等基准测试中取得了成功。