跳到正文
Hugging Face Daily Papers·· 1 天前精选AI 评分82

TwinLab-Bench:在实体实验室的数字孪生中评估 AI 科学家

TwinLab-Bench: Evaluating AI Scientists in Agentic Twins of Real Labs

AI 导读

论文介绍 TwinLab-Bench 基准,用于评估 AI 科学家在物理、生命科学与工程领域 52 个任务中的自主实验设计能力。该基准通过数字孪生环境模拟真实实验室操作,支持超过 100 种实验动作类型,并将智能体的报告与隐藏的真实实验室记录进行比对评分。

推荐理由

该基准在数字孪生实验室环境中评估 AI 科学家的自主实验设计能力,揭示了前沿模型在真实物理场景执行中的显著差距。

来源:Hugging Face Daily Papers · arxiv.org