跳到正文
arXiv · AI· Youran Sun, Xingyu Ren, Chugang Yi, Kejia Zhang, Di Wu, Yingkang Cao, Allen Zhou, Jianping Ye, Suying Liu, Jiaxuan Guo, Jianda Du, Weicheng Ye, Kecheng Liu, Hefan Zhang, Haixin Wang, Jie Xiao, Eric Yang, Haizhao Yang·· 2026-10-16AI 评分40

Sciπvot:基于人类纠错的科学 AutoResearch 智能体判断力基准

Sci$\Pi$vot: Benchmarking Principal-Investigator Judgment at Pivotal Moments of Scientific AutoResearch Agents

AI 导读

研究构建了包含 248 个案例的基准 Sciπvot,用于评估 LLM 智能体在科学探索中的判断力。 该基准源于 6 个月内 26 个跨学科项目中高级研究人员纠正 LLM 智能体的记录。

来源:arXiv · AI · arxiv.org