SciExam用六小时限时评估ENSO建模智能体

Yinling Zhang等基于论文摘要提出SciExam for ENSO基准，要求语言模型智能体在六小时内从真实观测数据构建ENSO低阶随机模型；智能体自行诊断后只能依据冻结的诊断结果建模，隐藏评估检验统计特征、未观测变量重建及留出年份预测，并与已发表模型统一评分。 12个智能体系统中有6个得分高于该已发表模型，优势主要来自重建和预测。对最佳系统的受控实验表明，其得分并非主要来自记忆带日期的观测记录，但结果仍属于论文摘要所报告的基准评估。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。