PersonaScienceBench 发布：用多样模拟研究者评测科学智能体
原文标题：PersonaScienceBench: Evaluating Scientific Agents with Diverse Simulated Researchers
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 PersonaScienceBench，包含来自五个基准、覆盖四个科学领域的 200 个任务，通过人格化模拟研究者提供上下文与反馈，考察智能体与不同研究者的协作能力。在 18 种模型配置上，任务表现、事实恢复与自我重复呈现不同优势，GPT 6 Astra 的分析显示不同研究者画像下智能体行为存在差异。
- 问题
- 科学智能体基准把协作者固定，无法评测与不同研究者的协作能力。
- 方法
- 用带人格画像的模拟研究者通过对话提供上下文与反馈，任务目标与评分固定。
- 结果
- 200 个任务、5 个基准、4 个科学领域，评测 18 种模型配置；未给出量化结果。
- 影响
- 评估科学智能体时需把协作者差异纳入指标，最终分数相同不代表协作行为相同。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PersonaScienceBench 用 200 个任务评测智能体与不同画像研究者的协作
- •任务来自五个基准、覆盖四个科学领域，共 200 个
- •模拟研究者按人格画像提供上下文与反馈，任务目标与评分固定不变
- •智能体只能通过对话获知研究者偏好
- •18 种模型配置在任务表现、事实恢复与自我重复上各有优势
- •GPT 6 Astra 分析显示不同研究者画像下行为不同，即使最终分数相同
为什么重要：科学智能体基准通常固定协作者，该基准把「与谁协作」变成变量，提示仅看任务分数会漏掉协作行为差异。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。