全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

TwinLab-Bench:在真实实验室的智能体孪生中评估 AI 科学家

AI agents are increasingly expected to act as AI scientists, which requires three increasingly open abilities: carrying out a given computational workflow correctly, choosing the next measurements from a given design space, and designing their own experiments. Existing benchmarks mainly evaluate the first two abilities

阅读原文 · Yang Wan, Linchao Zhu

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

AI 科学家这个说法已经不新鲜,但怎么衡量一个 Agent 真的能“做实验”,一直是个模糊地带。大多数评测只考它会不会跑现成流程,或者从给定选项里挑下一步,这跟真正设计实验差得远。 TwinLab-Bench 想补的正是这块:让被测 Agent 自己设计实验,再由一个“双胞胎实验室”Agent 去执行,最后拿真实实验室记录来打分。这个思路值得看,因为它把“设...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。