先了解这件事
AI 综述
Anthropic团队提出Agent4Sci,一个面向科学机器学习任务的长程自动爬坡评测框架,覆盖11个科学领域、20个基准和25个任务。据36氪·AI报道,实验中Claude Opus 4.6、Claude Sonnet 4.6、Gemini 3.1 Pro和Codex(GPT-5.4)的平均相对改进分别为10.4%、9.6%、6.8%、4.4%,全部20个基准均至少被一个Agent改进。轨迹分析显示,改进主要来自学习率调整、骨干网络替换等常规机器学习工程技巧;加入三个插件技能后,Opus的平均相对改进升至20.1%。该工作入选NeurIPS 2026评估与数据集赛道。目前尚无后续进展。
AI 根据公开报道生成
最新进展 · 正式报道
Anthropic 提出 Agent4Sci 评测框架：AI 科研改进多来自工程技巧事件进展
1 个已确认进展
- 来源：36氪 · AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月26日
36氪 · AI
Anthropic 提出 Agent4Sci 评测框架：AI 科研改进多来自工程技巧
Anthropic 团队提出 Agent4Sci，一个面向科学机器学习任务的长程自动爬坡评测框架，覆盖 11 个科学领域、20 个基准和 25 个任务。实验中 Claude Opus 4.6、Claude Sonnet 4.6、Gemini 3.1 Pro 和 Codex（GPT-5.4）的平均相对改进分别为 10.4%、9.6%、6.8%、4.4%，全部 20 个基准均至少被一个 Agent 改进。轨迹分析显示改进主要来自学习率调整、骨干网络替换等常规机器学习工程技巧，加入三个插件技能后 Opus 的平均相对改进升至 20.1%。该工作入选 NeurIPS 2026 评估与数据集赛道。