周伯文团队提出NatureBench：AI写的论文，能登上顶刊Nature吗？

周伯文团队联合提出NatureBench基准，用于评估AI coding Agent在Nature系列期刊真实科学论文核心实验中的复现与改进能力。该基准涵盖90个跨学科任务，通过NatureGym自动化流程构建，并设置信息防火墙防止直接复现。实验显示当前最强AI Agent仅在17.8%任务中明确超越原论文SOTA，整体能力有限但已在部分领域（如关系推理）接近人类水平。