
项目预览
项目数据
项目介绍
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 2026-10-06 · 当前星标 ★ 527
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 3.10+
- 至少 16G 内存
安装与启动步骤
-
1建虚拟环境
它按可编辑模式装,方便改评测逻辑。
python -m venv .venv -
2装开发依赖
带测试与静态检查,装全才方便二次开发。
.venv/bin/pip install -e ".[dev]" -
3要接模型再加一组
默认是纯离线模式,要跑模型推理得另装。
.venv/bin/pip install -e ".[dev,torch]" -
4跑一个假设发现任务
给一个领域问题,看它产出的假设质量。
-
5看评测口径
它自带评测,重点读评分标准合不合你的场景。
如何确认成功
给一个具体科研问题跑完一轮,产出的假设里有至少一条是你没想到但可以被数据检验的
注意事项
- 它是完全离线的科学假设发现工作台,不依赖外部服务。
- 离线是它的核心卖点,也意味着模型能力上限受本地硬件约束。
- 评测口径决定你能不能用它做严肃研究,先读评分标准。
- 适合做假设生成的辅助,不适合替代实验验证。
核心亮点
- 用合成文献埋入已知因果链,让假设发现能力有客观标准答案可对照
- 生成—辩论—进化循环配合可插拔离线适配器,方便横向对比不同模型策略
- NumPy 核心加 CPU-only torch,无需 GPU 也能跑完整评测流程
不足之处
- 合成文献与真实科研语料的分布差距较大,评测结论外推到真实场景需谨慎
- 项目处于早期,社区规模小,适配器与数据集的生态丰富度有限
适用场景
- 科研团队评估不同大模型在文献假设生成任务上的真实能力差异
- AI 研究者做假设发现算法的消融实验,需要可复现的基准与排名
- 受限离线环境下搭建无 GPU 的假设挖掘评测流水线
替代项目
SciAgent、PaperQA
上一篇:getIPIntel
下一篇:overmind
同类项目推荐
heurigym
开源
用 LLM 设计优化算法,一键评测智能体启发式能力
Agentic Benchmark for LLM-Crafted Heuristics in Combinatorial Optimization (ICLR'26)
ChronoMagic-Bench
开源
测文生视频的时间演化能力,让模型从动起来到变起来
[NeurIPS 2024 D&B Spotlight] ChronoMagic-Bench: A Benchmark for Metamorphic Evaluati···
factualNLG
开源
用新基准测出LLM事实性推理真实水平
Code for the arXiv paper: "LLMs as Factual Reasoners: Insights from Existing Benchma···
benchflow
开源
一键搭建 RL 训练与评测流水线,省去重复造轮子
Research infra for creating RL environments, post-training, and evals.
OceanGym
开源
打造水下机器人的“健身房”,让智能体在仿真洋流中练就真本事。
[EMNLP 2026] OceanGym: A Benchmark Environment for Underwater Embodied Agents
llm-coding-benchmark
开源
自动跑编码题,横向比出哪个大模型写代码更强
Simple benchmark to test the most popular open source and commercial LLMs with autom···
AgentCompass
开源
一套框架统一跑各家智能体评测,结果可横向对比
[EMNLP 2026] AgentCompass is an extensible open-source evaluation infrastructure for···
GenAI-LLM-Top10
开源
对照 OWASP 清单,快速排查大模型应用安全风险
OWASP Top 10 for Large Language Model Applications
WatermarkDM
开源
给AI生成的图像打上隐形水印,一键溯源防滥用
[Tech report]: A Recipe for Watermarking Diffusion Models