ResearchClawBench

给AI科研智能体打分，从复现实验到发现新知识

开源 🏷️完全免费 ✅ 目前可打开 智能体 🍴 复刻 29 🐛 待处理 1 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 277
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，提供在线文档和演示页面，核心功能免费，无付费版本。

项目预览

ResearchClawBench 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类智能体
开发团队InternScience
官网地址https://internscience.github.io/ResearchClawBench-Home
GitHubhttps://github.com/InternScience/ResearchClawBench
定价模式🏷️完全免费
价格说明开源项目，提供在线文档和演示页面，核心功能免费，无付费版本。
访问状态✅ 目前可打开
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型agent,ai,ai-agent,ai-scientist,ai4science,auto-research,benchmark,claude,claude-code,clawdbot,codex,discovery,end-to-end,evaluation,llm,openai,openclaw,research-claw,science
GitHub 星标★ 277
上线时间2026-03-18 00:00:00
代码更新2026-10-28
仓库体积1.08 GB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-09
浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 277

核心亮点

  • 首创从重新发现到新发现的科研能力分级评估体系
  • 支持 Claude Code、Codex 等主流智能体，开箱即用
  • 端到端自动化评估，覆盖完整科研流程而非单点任务

不足之处

  • 项目处于早期，文档和社区生态待观察
  • 评估任务集可能偏向计算类学科，泛化性待验证

适用场景

  • 对比不同AI智能体的科研自主性
  • 优化科研智能体在假设生成与验证环节的性能
  • 为AI for Science研究提供标准化评估工具

替代项目

AI Scientist、MLAgentBench、ChemBench

上一篇：agentseal

下一篇：myclaw-bench

同类项目推荐

OpenRT 开源

一键对多模态大模型发起42+攻击，快速暴露安全漏洞

Open-source red teaming framework for MLLMs with 42+ attack methods

★ 280 2026-08-10
clawseccheck 开源

给 OpenClaw 智能体做安全体检，一键出 A-F 安全分。

Local, read-only security audit for your OpenClaw agent. Finds config, prompt-inject···

★ 59 2026-08-09
tifa 开源

用问答方式自动检查AI画图是否忠实于文字描述

TIFA: Accurate and Interpretable Text-to-Image Faithfulness Evaluation with Question···

★ 191 2026-08-09
dsh-auto-review 开源

给DeepSeek审批加道AI安全锁，自动审查敏感操作

Second-model AI auto-review for DeepSeek Harness approval requests: a read-only revi···

★ 247 2026-09-05
rsi_eval 开源

一条命令跑通 agent 自我改进的多轮基准评测

A lightweight Python SDK and CLI for evaluating recursive self-improvement (RSI) met···

★ 458 2026-11-05
Awesome-LVLM-Safety 开源

一页看懂视觉语言模型安全攻防与评测资源

A curated list of resources dedicated to the safety of Large Vision-Language Models.···

★ 223 2026-10-14
fusion_bench 开源

一站式评估和实现深度模型融合，快速对比多种融合算法效果

FusionBench: A Comprehensive Benchmark/Toolkit of Deep Model Fusion

★ 244 2026-08-09
memorybench 开源

一套基准跑遍对话记忆与 RAG，选型不再靠拍脑袋

Unified benchmark for evaluating conversational memory and RAG across multiple datas···

★ 334 2026-09-21