PulseAugur
中
实时 07:55:58
实体 SciWorkBench

SciWorkBench

PulseAugur coverage of SciWorkBench — every cluster mentioning SciWorkBench 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_364066 ·

    新的SciWorkBench基准测试揭示AI代理在真实科学工作流中面临挑战

    研究人员推出了SciWorkBench,这是一个旨在评估AI代理在生物学、化学、材料科学和物理学等多个学科中完成复杂科学研究任务的能力的新基准测试。该基准测试使用源自同行评审文献和专家贡献的真实场景构建。使用Claude Code和Codex框架内的代理进行的初步评估显示,即使是表现最好的代理也仅获得57.38%的分数,这凸显了当前AI在科学工作流中面临的重大挑战,特别是在将知识转化为程序、整合证据和自我纠正方面。