ST-Bench评测科学多智能体系统

Qi Cheng等人提出ST-Bench，并在统一GPT-5骨干下评测五种多智能体系统生成方法；论文摘要显示，10种配置中有9种综合得分超过最低成本的单智能体基线，但最高分配置的推理时间约为基线四倍。 该基准包含源自水文学、农业和湿地甲烷研究的100项数据科学任务，扩展为2,067个经领域专家验证的查询。研究比较了两种训练协议下的多智能体配置；其中一种成本低于单智能体基线两倍的配置，可获得最高配置的大部分收益。结果目前限于该地球科学任务集，尚不能证明多智能体在一般科研任务中的普遍优势。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。