Anthropic 发布 Agent4Sci:Opus 在 20 项科学 ML 基准全部超越已发表最优模型

Anthropic 联合其 Fellows Program 发布 Agent4Sci 长程测试集，覆盖 11 个领域、20 项科学机器学习基准，要求前沿编码智能体在真实条件下改进科学 ML 模型并击败已发表最优结果，结果显示 Opus 全部超越已发表最优模型。不过测评也指出，智能体的提升主要依靠工程技巧而非真正的领域洞见。

2026-10-22 ~ 2026-10-22 · 2 条相关

• Anthropic Agent4Sci 测评:前沿智能体提升科研模型靠工程技巧而非领域洞见 — Anthropic · 2026-10-22
• Anthropic Agent4Sci:Opus 在 20 项科学 ML 基准上全部超越已发表最优模型 — dair_ai · 2026-10-22