论文页面 - 科学机器学习自动化：前沿智能体能否在真实环境中攀登科学高峰？

来源：https://huggingface.co/papers/2610.28763

摘要

Agent4Sci 在科学机器学习基准上评估前沿编程智能体，发现它们主要通过工程技巧而非领域洞见来改善结果，而有针对性的技能可显著提升性能.

前沿编程智能体越来越多地被视为端到端的自动化研究者，而科学机器学习为这一愿景提供了严苛的检验：改进科学模型往往需要超越常规机器学习工程的领域洞见. 我们推出 Agent4Sci (https://huggingface.co/papers?q=Agent4Sci)，这是一个长时程测试平台 (https://huggingface.co/papers?q=long-horizon%20testbed)，用于衡量当今智能体能在多大程度上改进科学机器学习基准 (https://huggingface.co/papers?q=scientific%20ML%20benchmarks)上已发表的最佳模型，涵盖 11 个领域的 20 项基准. Agent4Sci (https://huggingface.co/papers?q=Agent4Sci) 并不在排行榜上对智能体进行排名，而是探究智能体在真实环境条件下能够在这些任务上取得哪些进展，以及它们存在哪些不足. 实证结果表明，当今的前沿智能体在每项基准上都超越了已发表的最佳结果，其中 Claude Opus 的平均相对提升达到 10.4%，且没有任何一次运行被标记为存在学术不端行为. 然而，这些提升几乎完全来自一系列机器学习工程技巧 (https://huggingface.co/papers?q=ML-engineering%20tricks)，而非研究层面的洞见. 轨迹分析揭示了这一环境下反复出现的三项局限：对新颖性的判断失准 (https://huggingface.co/papers?q=novelty%20miscalibration)、资源利用不足 (https://huggingface.co/papers?q=resource%20under-utilization)，以及迅速陷入局部工程参数扫描 (https://huggingface.co/papers?q=local%20engineering%20sweeps). 用于研究构思 (https://huggingface.co/papers?q=research%20ideation)、实验管理 (https://huggingface.co/papers?q=experiment%20management)和定期检查清单的轻量级插件技能 (https://huggingface.co/papers?q=plug-in%20skills)，将 Claude Opus 的提升幅度从 10.4% 提高到 20.1%，将 Codex 从 4.4% 提高到 8.1%，同时带来更多样化、更贴合领域的改进措施. Agent4Sci (https://huggingface.co/papers?q=Agent4Sci) 为社区提供了一种途径，用于追踪并推动前沿智能体在现实世界的科学机器学习问题上，从机器学习工程迈向领域洞见. 代码和数据已在 GitHub (https://github.com/maszhongming/agent4sci (https://huggingface.co/papers?q=agent4sci)) 和 Hugging Face (https://huggingface.co/datasets/MingZhong/agent4sci (https://huggingface.co/papers?q=agent4sci)) 上公开.

查看 arXiv 页面 (https://arxiv.org/abs/2610.28763)查看 PDF (https://arxiv.org/pdf/2610.28763)GitHub1 (https://github.com/maszhongming/agent4sci)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.28763)

在你的智能体中获取这篇论文：

hf papers read 2610\.28763

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有链接到这篇论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.28763，即可从此页面链接到该模型.

引用这篇论文的数据集1

MingZhong/agent4sci 更新于约 11 小时前 • 93 (https://huggingface.co/datasets/MingZhong/agent4sci)

引用这篇论文的 Spaces0

没有链接到这篇论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.28763，即可从此页面链接到该 Space.

收录这篇论文的合集0

没有收录这篇论文的合集

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集.