提出科研智能体阅读集框架并发布评测数据集

Alkut Arxidin 等作者提出阅读集框架，用于评估大语言模型科研智能体在动作构建时是否说清实验设计，而不只看它选了哪个动作；同时发布配套的60个场景评测数据集。作者报告，在30个合成状态上，完整设计请求相对动作名称基线的可负担效率分别提升465.98%和327.91%；在60个场景数据集上，场景级信息成本比与18名人类判断的平均组内相关性为0.733。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。