DISCERN基准评估AI科学发现能力

DISCERN是一项基于真实公开数据集的受控基准，旨在评估自动化科研工作流中三个关键层级的科学发现能力。 该基准涵盖203个任务、8个生命科学赛道及8个模型。测试结果显示，各模型在三个层级中的满分率分别为60.8%、34.2%和0.6%。 基准指出，聚合高分掩盖了层级特异性弱点。当前AI智能体尚未展示可靠的自主分析与发现能力，仅适合在监督式场景下作为辅助工具。

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。