★ 4
OpenDiscoveryTrace：评估AI科学家工作流的过程轨迹数据集
研究发布 OpenDiscoveryTrace，包含558条完整AI科学智能体轨迹，覆盖药物发现、材料科学、基因组学等124项任务，记录每步9字段的结构化过程信息。分析显示，仅看最终输出会掩盖行为差异：三家前沿模型成功率相近（84-89%），但 Claude Opus 4.6 每轨迹错误数是 GP…
arXiv cs.AI53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究发布 OpenDiscoveryTrace，包含558条完整AI科学智能体轨迹，覆盖药物发现、材料科学、基因组学等124项任务，记录每步9字段的结构化过程信息。分析显示，仅看最终输出会掩盖行为差异：三家前沿模型成功率相近（84-89%），但 Claude Opus 4.6 每轨迹错误数是 GP…