PersonaScienceBench 科学协作智能体基准发布

PersonaScienceBench 基准正式发布。该基准包含五个子项，共设置 200 项任务，覆盖四个不同的科学领域，旨在评估科学智能体与模拟研究者的协作能力。 在测试机制中，模拟研究者根据特定画像向智能体提供背景上下文和反馈。在此过程中，任务的核心目标与评分标准保持恒定不变，智能体仅能通过对话交互来了解研究者的个人偏好。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。