跳到正文
arXiv · NLP· Minuk Ma, Kaiyun Guo, Jiarui Ding·· 2026-10-14AI 评分26

SciCurateBench:异质文献中利用言语-动作智能体整理事验数据的基准

SciCurateBench: Curating Experimental Data from Heterogeneous Scientific Literature with Verbal-Action Agents

AI 导读

新基准 SciCurateBench 包含 200 篇专家标注的生命科学论文,揭示普通 LLM 及现有工具使用智能体在验证复杂的合取式生物实验标准时表现不佳。 提出集成系统 LangPoli,由策略智能体生成自然语言行动指南,供执行智能体转化为可执行工具;在论文分类任务中 F1 分数达 83.16%,显著优于基线 LLM 的 58.22%。

来源:arXiv · NLP · arxiv.org