arXiv · cs.AI· Yinling Zhang, Langchen Liu, Dongbin Xiu, Xueyan Zou, Xu Kuang, Mengdi Wang, Shilong Liu·· 18 小时前
SciExam for ENSO：AI Agent能否构建气候模型
SciExam for ENSO: Can AI Agents Build Climate Models?
arXiv:2610.10513v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yinling Zhang, Langchen Liu, Dongbin Xiu, Xueyan Zou, Xu Kuang, Mengdi Wang, Shilong Liu
首次提交：2026-10-08 01:52
研究任务与主要进展
基于论文摘要，作者提出SciExam for ENSO基准，要求语言模型Agent在六小时内从真实观测数据构建ENSO低阶随机模型；隐藏评估检验其统计特征、未观测变量重建和留出年份预测能力。12个Agent系统中有6个模型得分高于已发表的模型，主要优势来自重建和预测，而受控实验显示其得分并非主要来自记忆观测记录。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org