站内内容与 AI 工具一站式检索。
研究团队推出 Agent4Sci 测试平台，覆盖 11 个领域 20 个科学机器学习基准，评估前沿编程智能体能否超越已发表最优模型。结果显示智能体平均相对提升最高 10.4%，但主要靠工程技巧而非科研洞察。