研究者提出科学发现评测基准Unsatz
Start here
2026年11月4日，研究者在arXiv发布论文，提出名为Unsatz的新评测基准，用于评估LLM智能体在无预设拟设（ansatz）条件下自主探索实验并构建模型的能力。该基准涵盖20个领域的80个系统。测试结果显示，9个语言模型的解决率在21%至60%之间，而经典方程发现方法在其中44个系统上几乎从未成功。评测表明，科学发现的核心难点在于结构发现而非参数估计，目前的智能体仍普遍偏好降低训练误差而非提升预测表现。
AI-generated from reports · Updated 10 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能Unsatz：评估无预设拟设条件下的科学发现能力
新基准 Unsatz 要求 LLM 智能体在无预设拟设（ansatz）的情况下自主探索实验并构建模型。在涵盖 20 个领域 80 个系统的测试中，9 个语言模型的解决率在 21% 至 60% 之间，经典方程发现方法在其中 44 个系统上几乎从未成功。评测表明核心难点在于发现结构而非参数估计，智能体仍普遍偏好降低训练误差而非提升预测表现。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.