提出了SciAgentArena基准,包含约200个多步骤科学任务,用于评估AI agent在真实研究场景中的能力,发现当前agent在结构清晰的任务上表现良好,但在生成新颖见解和自主探索方面存在不足。
机构:Yale
来源:arXiv 2606.12736 | AI4Papers 论文推荐平台