PulseAugur
中
实时 11:22:29
实体 SciValidityBench

SciValidityBench

PulseAugur coverage of SciValidityBench — every cluster mentioning SciValidityBench 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_324322 ·

    新的基准SciValidityBench测试AI代理的科学决策有效性

    研究人员推出了SciValidityBench,这是一个旨在评估AI代理记忆在科学使用中的有效性的新基准。该基准超越了简单的检索,侧重于代理是否能够根据控制状态确定记忆中的事实是否有资格影响决策。SciValidityBench包含跨越不同科学领域的64个TaskSpecs,利用一个名为SciStateForge的框架将实验历史编译成明确的决策控制状态。对四个模型系列的测试表明,与通用的事件图相比,纳入这种编译的科学状态将有效决策提高…