CompMat-Bench：计算材料科学AI智能体基准
原文标题：CompMat-Bench: Benchmarking AI Agents for Computational Materials Science
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。
研究团队推出CompMat-Bench，包含94个源自近期计算材料学论文的任务，评估AI智能体完成科研步骤的能力。通过预先复现研究步骤，避免评估时重复昂贵模拟，并以固定规则而非LLM评判打分。三个LLM智能体在完整指导下单任务通过率为66.0%-90.4%，失败多归因于科学错误而非软件使用问题。
- 问题
- 计算材料科学中评估AI智能体需重复昂贵模拟，成本高到难以开展。
- 方法
- 预先复现94个近期论文的研究步骤作为真值，让智能体只做输入准备与输出分析，用固定规则而非LLM评判打分。
- 结果
- 三个LLM智能体在完整指导单任务下通过率66.0%-90.4%；长流程与减少指导会拉低表现，失败多归因科学错误。
- 影响
- 为科研智能体提供低成本可复现的评测范式，可迁移到其他高成本实验领域。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CompMat-Bench含94个计算材料学任务，三款LLM智能体完整指导下通过率66.0%-90.4%
- •94个任务源自近期计算材料学论文，预先复现研究步骤以避免评估时重复昂贵模拟
- •以固定规则而非LLM评判打分，复现的输入与结果作为金标准
- •支持单任务与工作流两种条件，各含完整或缩减方法指导
- •三款LLM智能体在单任务完整指导下通过率66.0%-90.4%
- •失败多归因于科学错误而非软件使用问题；长工作流与缩减指导会限制表现
为什么重要：科学智能体评测受制于实验成本；预先复现步骤的做法让材料学等昂贵领域的智能体评测变得可行，且失败归因指向科学能力而非工具使用。
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。