Tag
Agent4Sci 通过跨 11 个领域的 20 个科学 ML 基准评估前沿编码智能体，发现它们主要靠工程技巧而非领域洞察提升性能，而轻量插件技能可显著改善表现（Claude Opus 从 10.4% 提升至 20.1%）。