arXiv · cs.AI · Siyang Wu, Weizhi Zhang, Chen Yang, Esther Xu Fei, Jorin Overwiening, Xu Pan, Jing Tang, Yixuan He, Kelvin C. Mo, Peiwen Li, Defu Cao, Xu Hu, Haixin Wang, Taoran Li, Haoming Li, Zheyuan Deng, Jingwen Zhang, Pengsong Zhang, Haichao Zhang, Guangze Luo, Yi Daniel Lu, Zihuai He, Chenxi Qiu, Dianzhuo Wang, Zhejian Peng, Shushu Liang, Wenyi Lu, Yifan Wang, Jintao Huang, Yijun Wang, Wanting Jiang, Yueying Li, Robert George, Haodi Hu, Cong Wang, Xiaomin Li, Yuexing Hao · 8 小时前模型评分42
PersonaScienceBench：用多样化模拟研究者评测科学智能体
PersonaScienceBench: Evaluating Scientific Agents with Diverse Simulated Researchers
导读
PersonaScienceBench 基准发布，包含来自五个基准、覆盖四个科学领域的 200 个任务，模拟研究者按人设档案提供背景与反馈，任务目标和评分保持不变。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “We introduce PersonaScienceBench: 200 tasks from five benchmarks across four scientific domains.”
来源：arXiv · cs.AI · arxiv.org