基准NatureBench
NatureBench
一个评估AI科研智能体在自然科学任务上表现的基准测试集，衡量追平或超越SOTA的比例。
时间轴 (近 90 天)
10月20日
SwarmRSI框架在OpenProblems、NatureBench和MLEBench Lite三个基准的118个任务上全面刷新SOTA。
待验证50%
10月20日
在NatureBench任务上，去掉H变异会使追平SOTA比例下降10个百分点，去掉P变异则下降13.3%。
待验证50%
10月20日
以DeepSeek V4 Pro为backbone时，SwarmRSI在NatureBench上的追平SOTA比例比同backbone的Claude Code高21.1个百分点。
待验证50%
10月20日
在NatureBench的90个任务中，77%的最终最优程序至少来自一次重组、交叉或反馈触发的更新。
待验证50%
10月20日
跨任务迁移实验中，三个源任务上继承的科研状态使12个留出的NatureBench任务的平均基值从冷启动的12.01提升到21.89，追平SOTA比例从41.7%跃升至86.1%。
待验证50%
全部知识事实 (5)
待验证
SwarmRSI框架在OpenProblems、NatureBench和MLEBench Lite三个基准的118个任务上全面刷新SOTA。
50%待验证在NatureBench任务上，去掉H变异会使追平SOTA比例下降10个百分点，去掉P变异则下降13.3%。
50%待验证以DeepSeek V4 Pro为backbone时，SwarmRSI在NatureBench上的追平SOTA比例比同backbone的Claude Code高21.1个百分点。
50%待验证在NatureBench的90个任务中，77%的最终最优程序至少来自一次重组、交叉或反馈触发的更新。
50%待验证跨任务迁移实验中，三个源任务上继承的科研状态使12个留出的NatureBench任务的平均基值从冷启动的12.01提升到21.89，追平SOTA比例从41.7%跃升至86.1%。
50%