ScienceClaw-Eval 公开论文与代码，要求重放和独立任务共同验证更新。
ScienceClaw 检验科研 agent 能否保留已验证改进
2026-10-07前沿观察TRIAL
ScienceClaw-Eval 检验固定模型能否把已验证的任务修复转成持久的 Skill 与 Operator 更新，并用于后续科研任务。它覆盖 23 个学科，通过重置测试衡量正确性、改进幅度、保留、迁移和成本。公开代码只有在重放能复现修复、且独立任务确实改善时才保留更新。
可用状态：论文与代码公开
对你意味着什么
对构建自我改进 agent 的团队来说，这把“agent 写了一个 skill”升级为重放与独立任务验收。结果仍由作者报告，而且公开仓库权限面很宽，评测前应放进隔离环境。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 范围 | 23 个自然科学与社会科学学科 |
|---|---|
| 指标 | 科研正确性、演化收益、保留、跨数据集迁移与演化成本 |
| 验收门槛 | 源任务重放复现修复，并在独立科研任务上改善 |
| 可用性 | 论文与代码公开 |
技术影响 3
工程价值 4
采用信号 2
成熟度 2
验证成本 3
风险 4