Skip to content
简体中文

切换主题

arXiv 2610.28763 · cs.AI · 2026-10-20

Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild?

Ming Zhong, Stacy Li, Nicholas Carlini, Matthew Jagielski

Anthropic

在最新榜 #265 本站收录于 2026-10-25

一句话要点

Anthropic 的 Agent4Sci 用 20 个基准、11 个领域测前沿编程 agent 能否刷新科学 ML 最佳模型:每项都超过了已发表最好结果,Claude Opus 平均相对提升 10.4%,但收益几乎全靠工程技巧而非科研洞见。

Anthropic's Agent4Sci tests whether frontier coding agents can beat published best models on 20 scientific-ML benchmarks across 11 domains; they beat every one (Claude Opus +10.4% mean relative), but mostly via ML-engineering tricks rather than research insight.

29HF 点赞
39GitHub stars
0引用(Semantic Scholar)
48.9热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-26。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)