研究团队推出科学发现评测基准 EurekaBench

1. 12:00
   arXiv 自然语言处理

   EurekaBench：评测 AI Agent 发现新科学见解能力的跨学科基准

   研究团队推出跨学科基准 EurekaBench，用于评估 AI Agent 进行长流程实验并发现解释性科学机制的能力。该基准涵盖神经科学、化学、天体物理学等 6 个领域的 26 个长程任务及 306 个科学见解，从约束遵循、预测精度和见解推导三个维度进行评估。测试结果显示当前 Agent 虽然在预测精度优化上超过人类科学家，但在推导实质性科学见解方面仍存在显著差距。

当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。