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 · x · 2026-10-22
Anthropic 发布 AI agent 做科学机器学习研究的论文 Agent4Sci:给前沿编码 agent 提供 11 个领域、20 项科学 ML 基准,要求其击败已发表的最优模型——结果 20 项全部胜出,且无一次被标记为学术不端。
- Claude Opus 平均将已发表最优成绩提升 10.4%;Codex 提升 4.4%。
- 增益几乎全部来自标准 ML 工程技巧;轨迹分析显示 agent 会误判何为新颖、闲置算力、陷入小范围局部搜索。
- 加入三个轻量 skills(研究构思、实验管理、定时检查清单)后,Opus 从 10.4% 提升到 20.1%,Codex 从 4.4% 提升到 8.1%,且改动更多样、更贴合领域。
核心结论:模型不变,研究脚手架(scaffolding)决定了 agent 科研能力的天花板,对做 AI-scientist 系统的开发者极具参考价值。
所属事件:Anthropic 发布 Agent4Sci:Opus 在 20 项科学 ML 基准全部超越已发表最优模型(2 条相关)→
「编程与Agent」频道最新
- belo 在拉美推 Agentic Banking：AI 代理经 MCP 操作账户，人负责审批 — yenkel · 2026-10-22
- 多智能体框架 senpai 新版:worker 可互聊,不再只靠编排器传话 — _ScottCondron · 2026-10-22
- ThursdAI 直播前瞻：各大实验室争做个人 Agent 谁来把关安全？ — altryne · 2026-10-22
- Richard Socher 的 Recursive 发布 40B 编码模型 Flint：全自动研发、四个月炼成 — AIFlow_ML · 2026-10-22
- 工程师感叹：现有 AI Agent 全是被动响应，「主动式」无人做 — majidmanzarpour · 2026-10-22
- 一句话让 Grok Bot 自动建好 Starship 飞行追踪仪表盘 — XFreeze · 2026-10-22