К содержимому

Датасет · InternScience

Бенчмарк ИИ-агентов для автономных научных исследований

InternScience/ResearchClawBench

Набор задач для проверки способности кодинг-агентов самостоятельно проводить научные исследования от анализа данных до написания статей.

Что внутри

Датасет представляет собой бенчмарк объёмом менее 1 тысячи записей в табличном и текстовом форматах. В заданиях модели получают сырые данные и должны самостоятельно провести исследование и оформить публикацию, результаты которой затем строго сравниваются с реальными научными статьями людей.

Что можно сделать

  • Тестирование автономных ИИ-агентов и систем автоматизации R&D-процессов
  • Сравнение качества генерации аналитических отчётов и воспроизведения научных выводов у разных LLM
Задачи
Другое
Размер
до 1K записей
Скачиваний за месяц
19,7 тыс.
Лайков
16

Как загрузить

from datasets import load_dataset

ds = load_dataset("InternScience/ResearchClawBench")