提出SciValidityBench科学记忆有效性基准

事件综述根据 1 篇报道整理，10月27日更新

Yuexi Pan 提出并发布可执行基准工厂 SciValidityBench 及配套的 SciStateForge 编译框架，用于评测科研智能体能否判断一条已被正确记住的证据在当前科学状态下是否可用于决策。据其介绍，该基准包含 64 个 TaskSpec，覆盖五个有效性模块和六个科学领域。 公开的 GitHub 仓库提供最终 64-TaskSpec 目录、跨六个领域的确定性生成器、SciStateForge 编译器、五种被评测的记忆视图、反事实与损坏/修复算子、可执行示例和发布测试。上述内容来自 arXiv 论文，属作者自述，尚未见独立复现或第三方评测结果。

综述由模型根据报道生成，细节以各篇原文为准。