Benchmarking AI Agents for Addressing Scientific Challenges Across Scales

En 3 lignesSciAgentArena est un benchmark systématique évaluant ~200 tâches scientifiques réelles avec vérification étape par étape. Les agents IA actuels performent bien sur les workflows d'analyse de données structurés, mais échouent à générer des insights novateurs, explorer de manière autonome et résoudre des questions ouvertes.

Résumé généré par Claude — vérifié par l'humain