**SciAgentArena：评估AI代理应对跨尺度科学挑战的基准测评**

_Benchmarking AI Agents for Addressing Scientific Challenges Across Scales_

> SciAgentArena 是一个系统性的基准测试，包含约200个真实科研任务，用于评估AI代理在科学发现中的实际能力。测评显示，当前代理在结构化数据分析任务上表现良好，但在产生新洞察、自主探索和解决开放性问题方面仍显不足。该工作还分析了常见失败模式，为提升代理的可靠性与科学推理能力提供了方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12736)