ResearchFlow-Eval：评估端到端自动科研系统的流程级基准
热点事件观察中
ResearchFlow-Eval：评估端到端自动科研系统的流程级基准
2 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
清华大学等机构研究团队提出ResearchFlow-Eval，一个面向端到端自动科研系统的细粒度评估框架，在研究阶段和主张两个层面衡量系统在连续、多阶段流程中对相互依赖主张的执行与迭代能力。团队结论是：所有受测系统的实验执行均落后于设计与规划，重复尝试通常未带来可测改进，技能增强和研究专用编排也未稳定提升得分。 框架以已发表论文为锚点，从中导出按研究阶段拆分的评分标准，将各阶段分解为维度和单独计分的评分项。团队用该框架评测了通用Agent、技能增强Agent和研究专用编排系统三类系统。 以上结论基于论文摘要，本站未核验全文。
AI 根据报道生成 · 8 小时前更新
最新进展10月14日 12:00
ResearchFlow-Eval：追踪端到端多主张自动科研的执行差距报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIResearchFlow-Eval：追踪端到端多主张自动科研的执行差距
ResearchFlow-Eval 提出一个面向连续科研流程的细粒度评测框架，以已发表论文为锚点，按研究阶段和主张拆分评分标准。论文摘要显示，实验执行明显落后于设计与规划，系统难以产出高质量结果并满足主张要求，重复尝试通常也未带来可测改进；技能增强和研究专用编排未稳定提升得分。
- arXiv · cs.AIResearchFlow-Eval 评估端到端多主张自动科研的执行差距
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。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月14日 20:00
- 近 24 小时变化
- –
02468
10月15日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。