Just-Curieous/EXP-Bench
收藏Hugging Face2025-06-03 更新2025-11-01 收录
下载链接：
https://hf-mirror.com/datasets/Just-Curieous/EXP-Bench
下载链接
链接失效反馈官方服务：
资源简介：
EXP-Bench数据集是一个新颖的基准，旨在系统地评估AI代理在来源于有影响力的AI出版物中的完整研究实验上的表现。提供了一个研究问题和未完成的起始代码，挑战AI代理去构建假设、设计并实施实验程序、执行它们并分析结果。该数据集包含了来自51篇顶级AI研究论文的461个AI研究任务。
EXP-Bench dataset is a novel benchmark designed to systematically evaluate AI agents on complete research experiments sourced from influential AI publications. Given a research question and incomplete starter code, it challenges AI agents to formulate hypotheses, design and implement experimental procedures, execute them, and analyze results. This dataset curates 461 AI research tasks from 51 top-tier AI research papers.
提供机构：
Just-Curieous
