**前沿智能体能否在真实科学场景中超越现有模型？Agent4Sci 揭示工程技巧与领域洞察的差距**

_Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild?_

> 研究团队推出了 Agent4Sci，这是一个用于评估前沿智能体在真实科学机器学习基准中表现的平台。实验覆盖 11 个领域的 20 个基准，结果显示当前前沿智能体（如 Claude Opus）能显著提升现有最佳模型，但进步主要源于机器学习工程技巧而非真正的领域洞察。分析发现智能体存在新颖性校准不足、资源利用不充分及陷入局部工程优化等局限。通过引入轻量级研究插件技能，智能体的表现可进一步提升，该工作为社区追踪并推动智能体向领域洞察发展提供了新路径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.28763)