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")