arXiv · cs.AI· Qi Cheng, Rongchao Dong, Shengyu Chen, Licheng Liu, Dan Lu, Zhengzhang Chen, Wei Cheng, Yiqun Xie, Haifeng Chen, Xiaowei Jia, Haoyu Wang·· 2 天前
ST-Bench：面向科学研究任务的多智能体系统时空基准
ST-Bench: A Spatial-Temporal Benchmark for Multi-Agent System Generation on Scientific Research Tasks
arXiv:2610.07763v1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：Qi Cheng, Rongchao Dong, Shengyu Chen, Licheng Liu, Dan Lu, Zhengzhang Chen, Wei Cheng, Yiqun Xie, Haifeng Chen, Xiaowei Jia, Haoyu Wang
研究任务与主要进展
Qi Cheng等人提出ST-Bench，用于比较五种多智能体系统生成方法与同一GPT-5骨干下单智能体基线在复杂科学数据分析中的表现。基准包含100项源自地球科学研究的数据科学任务和2,067个由领域专家验证的查询；10种多智能体配置中有9种超过最便宜的单智能体基线，最强配置的综合得分接近其三倍，但推理时间约为四倍，低于两倍成本的配置可获得大部分收益。
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