自动研究评估基准与评估实践综述

一篇被 AACL-IJCNLP 2026 Findings 接收的综述系统梳理了自动化研究系统的评估设计，覆盖文献综述、研究构思、可执行工作流、学术写作与传播、自动同行评审、端到端研究六个目标。该综述比较了任务构建、证据来源、评估者与评分流程，并指出输出检查、过程检查与人类研究提供互补信息，评估者校准需针对具体被评估属性，资源预算与尝试选择是解读性能对比的关键。

摘自 arXiv cs.AI

还没有足够的连续观测数据，暂不绘制趋势。