热点事件持续更新
研究团队提出PersonaScienceBench科学智能体评测基准
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究团队在arXiv发布了评测科学智能体协作能力的基准PersonaScienceBench。该基准涵盖4个科学领域、5个基准中的200个任务，其机制是让模拟研究员依据角色画像在对话中提供上下文与反馈，并在18种模型配置下对智能体的任务表现、事实恢复和自重复表现进行评估。针对GPT 6 Astra的测试分析显示，即使最终任务得分相近，智能体在针对性澄清与工作流修正等具体协作行为上也表现出显著差异。
AI 根据报道生成 · 7 小时前更新
最新进展10月26日 12:00
研究团队提出PersonaScienceBench，通过模拟研究员多轮反馈评估科学智能体协作能力。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 人工智能PersonaScienceBench：通过多样化模拟研究员评测科学智能体
PersonaScienceBench 是一套评测科学智能体协作能力的基准，涵盖 4 个科学领域、5 个基准中的 200 个任务。该基准让模拟研究员依角色画像在对话中提供上下文与反馈，并在 18 种模型配置下评估任务表现、事实恢复和自重复表现。针对 GPT 6 Astra 的分析显示，即使最终得分相近，智能体在针对性澄清与工作流修正等协作行为上也存在显著差异。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26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。