NatureBench

NatureBench 是一个面向科学发现能力评估的跨学科基准测试套件，从《Nature》系列期刊90篇已发表论文中提炼真实科研任务，覆盖生物、化学、物理、地球科学、医学和材料科学六大领域。其核心基于 NatureGym 自动化流水线，将论文转化为含任务说明、原始数据、隐藏测试集及自动评分器的容器化评测单元，支持对AI编程智能体在复现实验基础上实现SOTA超越能力的量化评估。适用于AI for Science、科研自动化、代码智能体能力评测等研究与开发场景。