研究/論文初出 8/28 09:00
科学研究ワークフローを評価するAIエージェント・ベンチマーク
https://techdrip.net·2026/8/28
本紙が書いた要約がまだありません。他サイトの要約をそのまま載せることはしません。
AI要点
- Terminal-Bench-Scienceは、科学研究のワークフローに特化したAIエージェントのベンチマークである。
- スタンフォード大学の研究者らが、多様な科学分野の専門家と協力して開発した。
- AIエージェントの科学的能力を、実際の研究課題を通じて評価し、研究支援AIの開発を促進することを目的とする。
- 初版では70のタスクが含まれ、評価された最高性能モデル（Claude Opus 5）の解決率は30%であった。
なぜ重要か
科学研究におけるAIエージェントの能力を、実際の研究ワークフローで評価するベンチマークは、AIが研究者の負担を軽減し、科学的発見を加速させるための重要なツールとなり、AI開発の方向性を示す。