科研智能体评测基准PersonaScienceBench发布

Siyang Wu等作者发布科研智能体评测基准 PersonaScienceBench，用于评测科学智能体。该基准包含来自五个基准、覆盖四个科学领域的200个任务；评测中由按人设档案设置的模拟研究者提供背景与反馈，任务目标和评分标准保持不变。

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。