**TwinLab-Bench:在真实实验室环境中评估 AI 科学家能力**

_TwinLab-Bench: Evaluating AI Scientists in Agentic Twins of Real Labs_

> TwinLab-Bench 是一个新基准,用于评估 AI 科学家在物理、生命及工程科学领域设计并执行实验的能力。该基准通过构建“孪生实验室”环境,让待测 AI 代理设计的实验在真实实验室记录中执行,并以此验证其实验结果的准确性。研究表明,即便是顶尖模型如 Claude Fable 5.2,在此类开放实验任务中的表现仍不理想,平均得分仅为 45.0 分。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.26248)