arXiv · AI· Nan Huang, Mario Tapia-Pacheco, Kun Zhou, Yiming Huang, Kevin Jos\'e Barrientos D\'iaz, Tiffany Amariuta, Jingbo Shang·· 1 天前AI 评分29
DISCERN 基准评估 AI 智能体的科学发现能力
DISCERN: Can AI Agents Work Like Scientists and Guide Discovery?
AI 导读
DISCERN 基准显示 AI 智能体未能像科学家一样可靠引导发现，8 个模型在 3 个层级中的满分率分别为 60.8%、34.2% 和 0.6%。该基准基于 203 个任务、8 个生命科学赛道及 8 个模型，指出聚合高分掩盖了层级特异性弱点，当前智能体尚未展示可靠的自主分析与发现能力，仅适合监督式辅助。
来源：arXiv · AI · arxiv.org