LLM 已准备好进行科学发现了吗？面向能力的 AI 科学家基准

论文提出 SDABench，将科学数据分析按描述、探索、推断、预测、因果和机制六类能力评估，覆盖生物、化学、环境、地理和物理五个领域。基准包含 527 个真实数据实例与 6000 个合成实例，并测试 15 个代表性 LLM。结果显示，模型擅长描述性分析，但在假设选择、潜变量建模、因果和机制推理上明显退化。