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。