arXiv · cs.AI· Peng Jiang (Tsinghua University), Dongyang Li (Tsinghua University), Quanying Liu (Southern University of Science, Technology), Xiaoxuan Jia (Tsinghua University)·· 1 天前
ResearchFlow-Eval 评估端到端多主张自动科研的执行差距
ResearchFlow-Eval: Tracing the Execution Gap in End-to-End Multi-Claim Autoresearch
arXiv:2610.18088v1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：Peng Jiang (Tsinghua University), Dongyang Li (Tsinghua University), Quanying Liu (Southern University of Science, Technology), Xiaoxuan Jia (Tsinghua University)
研究任务与主要进展
ResearchFlow-Eval 提出细粒度评估框架，用于衡量自动科研系统在连续、多阶段研究流程中对相互依赖主张的执行与迭代能力。框架以已发表论文为锚点，按研究阶段拆分评分标准，并比较通用 Agent、技能增强 Agent 和研究专用编排系统。基于论文摘要，所有受测系统的实验执行均落后于设计与规划，重复尝试也较少带来可测改进。
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