发布Autonomous Science Bench基准v0.1评估自主科学发现Agent

Yibo Wen 与 Han Liu 团队在 arXiv 发布 Autonomous Science Bench v0.1，用于评估 AI Agent 在有限预算下自主设计、执行并利用实验开展科学发现的能力。基准包含生物学、化学和材料科学中六项预算约束型“设计—构建—测试—学习”任务，并设置发现门槛与学习门槛，随版本发布实验运行环境和公开排行榜。 基于论文摘要，试点评估了 8 种智能体—模型配置共 144 次试验，最佳配置成功率为 67%，最难任务在 24 次尝试中仅成功 3 次。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。