为什么重要
ScienceWorld 让 Agent 在模拟的科学实验室中进行探究：加热物质观察变化、使用温度计测量等。测试 Agent 的科学假设验证能力。
返回评测
Agent Agent-科研 未饱和
模态 · 文本
任务 · 开放生成
ScienceWorld
交互式文字世界中的科学实验探究评测
University of Arizona / AI2 ·
考察能力
科学推理 交互式探究 实验设计
构建信息
- 数据规模
- 30 个科学任务
- 评测方式
- 任务完成评测
- 核心指标
- Score (0-100)
资源链接
模型效果排行
🥇 GPT-4o
52.3
🥈 ReAct
35.8
Agent 科学推理 交互式 探究