首个面向科学任务的多模态智能体评测环境ScienceBoard发布，推动AI科研自动化研究

由香港大学孙秋实团队主导的研究提出了ScienceBoard——首个面向科研任务的多模态智能体评测平台，旨在推动AI从“理解”走向“执行”的科研协作模式。该平台集成了6大科学领域的169项真实任务，并支持图形界面与命令行双模态操作。实验结果显示，即便是GPT-4o等顶尖模型，其整体任务成功率也仅为约15%，主要问题在于执行策略不当而非知识缺失。研究还发现，将规划与执行模块分离的智能体架构可显著提升表现。ScienceBoard为未来构建具备科学理解与执行能力的AI系统提供了标准化基准和可扩展基础。
来源：https://mp.weixin.qq.com/s/naVskQ9btJFkoUyyQVr7zA