本文提出了SocSci-Repro-Bench基准,包含221个跨学科社会科学任务,评估了Claude Code和Codex两个前沿编码代理,发现它们能复现大部分社会科学发现,其中Claude Code表现优于Codex,并分析了提供论文PDF和提示设计对复现能力的影响。
机构:牛津
来源:arXiv 2606.11447 | AI4Papers 论文推荐平台