O que ResearchClawBench faz?
🦞 ResearchClawBench: Avaliando Agentes de IA para Pesquisa Automatizada, da Redescoberta à Nova Descoberta
🦞 ResearchClawBench: Avaliando Agentes de IA para Pesquisa Automatizada, da Redescoberta à Nova Descoberta
O ResearchClawBench é um benchmark projetado para avaliar a capacidade de agentes de IA em realizar pesquisas científicas automatizadas, abrangendo desde a redescoberta de conhecimento existente até a geração de novas descobertas. Ele fornece um conjunto de tarefas e métricas para medir o desempenho dos agentes em atividades como formulação de hipóteses, busca de literatura, síntese de informações e proposição de experimentos. A ferramenta suporta múltiplas plataformas de agentes de IA, incluindo Claude Code, Cursor e Codex, permitindo comparações padronizadas. Ao simular o ciclo completo de pesquisa, o ResearchClawBench ajuda desenvolvedores e pesquisadores a identificar os pontos fortes e limitações dos agentes atuais, incentivando avanços na automação da descoberta científica.
npx skills add InternScience/ResearchClawBenchInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🦞 ResearchClawBench: Avaliando Agentes de IA para Pesquisa Automatizada, da Redescoberta à Nova Descoberta
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.