实体
ScienceAgentBench
ScienceAgentBench
PulseAugur coverage of ScienceAgentBench — every cluster mentioning ScienceAgentBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
最近 · 第 1/1 页 · 共 2 条
-
D3-Gym 数据集为 AI 科学发现提供可验证环境
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。
-
DataPRM 通过奖励科学过程增强 LLM 数据分析能力
研究人员开发了 DataPRM，这是一种新的过程奖励模型，旨在提高 AI 代理在动态数据分析任务中的性能。与以往难以处理的无声错误和探索性操作的模型不同，DataPRM 可以主动验证中间状态，并区分可纠正和不可挽回的错误。该方法经过 8,000 多个实例的训练，在 ScienceAgentBench 和 DABStep 等基准测试中显著增强了下游策略 LLM，证明了其在监督复杂数据分析方面的有效性。