RECLAIM基准：评估AI智能体复现机器学习论文研究结果的能力
该研究提出了名为RECLAIM的新基准测试，旨在评估AI智能体能否复现机器学习论文的核心研究结论。基准选取了100篇NeurIPS 2025论文，预先设定了待复现结果、成功复现判定标准以及GPU运行时间预算。根据原作者开源内容的完整度，基准设立了不同难度层级，测试智能体在软件安装、代码调试及运行实验等完整科研工作流中的自动化复现能力。
推荐理由提出针对AI智能体科研复现能力的标准化评测基准，对自动化科研与Agent工程落地具有较高参考价值。
原标题：RECLAIM: Can Agents Reproduce the Claims of Machine Learning Papers?
阅读 arXiv 人工智能 原文 ↗