为什么重要
44 个来自 12 学科的科学发现任务——不只写代码，要理解科学问题、分析数据、生成发现。
构建方式与示例
例如：“给定蛋白质折叠数据，分析结构稳定性与温度的关系。“
关联基准与展望
关联：PaperBench、CORE-Bench。
返回评测
Agent Agent-科研 未饱和
模态 · 文本
任务 · 开放生成
ScienceAgentBench
44 个来自 12 个学科的科学发现任务（从文献到代码到结论），评估 Agent 的科研自动化能力
OSU & 多校 ·
考察能力
科学发现 数据分析 代码实现 论文阅读
构建信息
- 数据规模
- 44 tasks / 12 disciplines
- 构建方式
- 科学家从真实研究中提取
- 评测方式
- 代码执行 + 输出匹配
- 核心指标
- Success Rate (%)
模型效果排行
🥇 OpenHands + GPT-4o
34.3% 2024-10
科学发现 科研自动化 Agent