浙大发布 TwinLab-Bench:真实实验室镜像中评测 AI 科学家,最强模型仅得 45 分

zju-community · hf · 2026-11-20

浙江大学团队发布 TwinLab-Bench,在 52 个来自物理、生命科学与工程真实实验室的任务中评测 AI 科学家设计自主实验的能力,支持 100 多种实验动作类型,agent 报告与真实实验记录中的隐藏答案对比评分。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →