ResearchClawBench

给AI科研智能体打分，从复现实验到发现新知识

ResearchClawBench 是一个用于评估 AI 智能体在自动化科研任务中能力的基准测试平台，覆盖从“重新发现”已知科学结论到“新发现”未知规律的完整科研流程。它解决的核心问题是：当前 AI 智能体在真实科研场景下的自主性、准确性和可复现性缺乏统一衡量标准。平台提供端到端的评估框架，支持 Claude Code、Codex 等主流编程智能体，通过标准化任务集、自动评分和结果对比，帮助研究者量化不同智能体的科研潜力。其技术栈基于 Jupyter Notebook，集成 agent、ai-scientist、ai4science 等工具链，强调从数据采集、假设生成到实验验证的全流程自动化评估。作为早期项目（237 星），它填补了 AI for Science 领域在智能体评估方面的空白，为构建更可靠的科研助手提供参考基准。