应用 · 项目档案
ScienceAgentBench
面向独立 Python 科学分析程序生成的可执行基准，提供任务资产以及直接运行或容器化评测流程。
它可以用来做什么？
通过执行检查及必要的视觉评审，评估生成程序是否产生任务要求的科学分析输出。
使用前需要知道什么？
应使用 verified 划分及匹配的 benchmark_verified 资产；其发布时间晚于冻结的102项 Harbor 包。公开运行器仍默认 validation，因此需明确选择版本。部分输出采用模型视觉评审，结果会受科学库版本或随机性影响。完整资产另行托管，本次未下载；作者要求不要重新公开解压文件。
我们核查了什么？
运行方式：文档使用 Python 3.10，可通过 Docker 或各任务的 Conda 环境评测。需准备基准资产及评审／模型访问；各任务依赖、算力和内存会影响复现。本次未运行程序、镜像或科学数据集。
许可说明：仓库代码为 MIT，多数任务材料为 CC BY4.0；来自 rasterio 和 matminer 的任务保留原许可。README 对解压文件再分发的要求与这些许可声明分别记录。 上游许可 ↗
本条目依据原始项目材料整理，未独立运行或复现结果。AI 参与开发的描述来自作者说明；上游版本、运行条件和许可应以原始来源为准。
- 资源类型
- 环境与评测
- 开发方式
- 开发方式未确认
- 来源核查
- 平台
- 请查阅上游说明