Hot StoryDeveloping
Anthropic发布Agent4Sci项目，评估科学机器学习模型改进
1 reports1 sourcesUpdated 2 小时前
Understanding the Event
AI Digest
Anthropic推出了Agent4Sci项目，一个用于评估科学机器学习模型改进的测试平台。该项目旨在解决科学模型改进中常见的难题，如领域洞见和常规机器学习工程的差异。新报道显示，Claude Opus的平均相对改进从10.4%提升至20.1%，Codex从4.4%提升至8.1%。早先报道称，Agent4Sci项目通过长程测试床和日程化检查清单harness来改进科学模型。
Generated by AI from coverage · Updated 2 小时前
Latest Update10月23日 06:05
Claude Opus和Codex在科学机器学习基准上的模型改进平均相对改进显著提升。Coverage Timeline
Explore different perspectives across coverage.
Oct 23
- Agent Control Flash NewsAgent4Sci：Anthropic 推出评估科学机器学习模型改进的测试平台，Claude Opus 提升至 20.1%
反直觉：前沿 coding agent 被当成端到端科研员，但「科学模型再涨一点」常卡在领域洞见，不是常规 ML 工程。现有错处：用通用 SWE 分外推科学改进。作者改动：Agent4Sci 长程测试床 + 日程化检查清单 harness。硬数字：Claude Opus 平均相对改进 **10.4%→20.1%**；Codex **4.4%→8.1%**。可迁移判断：**明川：科学/领域 agent 验收加「日程清单 harness」消融，禁只交最终相对改进。不要并进 #9 D-Skill，也不要并进 #13 Budget RSI。**
Story Heat Trend
还没有足够的连续观测数据，暂不绘制趋势。