**ForeSci：评估大语言模型智能体的前向性AI研究判断能力**

_ForeSci: Evaluating LLM Agents for Forward-Looking AI Research Judgment_

> ForeSci是一个时间控制基准，用于评估大语言模型智能体能否基于历史证据做出前瞻性的AI研究判断。包含500个任务，覆盖四个快速发展的AI领域和四种决策类型，通过隐藏截止日期后的论文进行验证。研究发现显式证据组织能提升可追溯性和事实支持，但效果因决策类型而异，且存在证据-决策脱节现象。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.00644)