热点事件持续更新
研究团队推出科学机器学习Agent评测基准Agent4Sci
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月22日，研究团队在arXiv公布了长周期评测基准Agent4Sci，旨在评估前沿AI智能体优化科学机器学习模型的能力。该基准涵盖11个领域的20个测试任务。评测结果显示，Claude Opus在任务中取得了10.4%的平均相对提升，但相关收益主要来自工程技巧而非科研洞见。在配置轻量插件技能后，Claude Opus的平均相对提升增至20.1%，Codex的提升表现也从4.4%提高到8.1%。目前，该项目的代码与数据已向社区开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究团队发布科学机器学习评测基准Agent4Sci并开源代码与数据，揭示智能体优化更依赖工程技巧。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 人工智能科学机器学习自动化：前沿 AI 智能体能否攻克真实科学难题？
研究团队推出长周期评测基准 Agent4Sci，涵盖 11 个领域 20 个基准，评估前沿 AI 智能体优化科学机器学习模型的能力。测试中 Claude Opus 取得 10.4% 平均相对提升，但收益主要来自工程技巧而非科研洞见。配置轻量插件技能后，Claude Opus 提升增至 20.1%，Codex 从 4.4% 升至 8.1%，代码与数据已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。