arXiv · cs.AI· Zhengxin Zhang, Ning Wang, Sainyam Galhotra, Claire Cardie·· 5 小时前
ResearchArena评估Claude Code、Codex与Kimi Code的自动化科研能力
How Far Are We From True Auto-Research?
arXiv:2605.19156v2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：Zhengxin Zhang, Ning Wang, Sainyam Galhotra, Claire Cardie
研究任务与主要进展
ResearchArena让Claude Code（Opus 4.6）、Codex（GPT-5.4）和Kimi Code（K2.5）自主完成选题、实验、论文写作与自我修订，生成117篇论文，并接受稿件评审、结合工作区材料的同行评审和人工复核。
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