arXiv发布长程科研代理行动构造评测框架

2026年10月31日，arXiv收录了Alkut Arxidin等人发布的论文，提出了用于评估长程研究智能体行动构建的“阅读集”框架。该研究旨在解决智能体如何将科学意图转化为预算可行且信息丰富的实验这一难题，使设计规范与执行模糊性变得可衡量。 在30个合成状态下测试显示，该框架的完整设计请求相较于仅使用行动名称的基线方法，使两个模型族的负担得起的效率分别提升了465.98%和327.91%。研究人员还构建了包含60个场景的数据集，分析表明场景级信息成本比与18名人类参与者的判断具有0.733的平均场景内相关性，验证了框架的可复现性与有效性。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。