PulseAugur
中
实时 03:46:13
实体 scientific research workflows

scientific research workflows

PulseAugur coverage of scientific research workflows — every cluster mentioning scientific research workflows across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. RESEARCH · CL_222730 ·

    新基准测试智能体在 70 个科学研究工作流上的表现

    一项新的基准测试 Terminal-Bench-Science 已发布，用于评估智能体在复杂科学研究任务上的表现。该基准由斯坦福大学的研究人员和全球领域专家团队开发，包含跨越多个科学学科的 70 项任务。在初始发布时，评估中最强的模型 Claude Opus-5 的解决率达到了 30%，这凸显了当前 AI 能力与真实科学工作流需求之间存在的巨大差距。