Новости

EarthVerse: Benchmarking Scientific Agents Across Dynamic Earth Systems and Natural Hazards

arXiv cs.AI · Опубликовано 24 августа 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: EarthVerse is a benchmark with 405 tasks testing AI agents on Earth-system analysis across 199 documented natural hazard events and 19 hazard families.
Почему это важно: Matters for engineers building scientific agents that must integrate heterogeneous data sources, reconcile conflicts, and maintain reasoning chains across complex investigations.
На что обратить внимание: Best systems reach 84.65% answer accuracy but only 34.81% on strict consistency checks, revealing agents complete steps without maintaining coherent chains across evidence and calculations.

Послушать это резюме

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 24 августа 2026 г. · 3 мин чтения

Что произошло: EarthVerse is a benchmark with 405 tasks testing AI agents on Earth-system analysis across 199 documented natural hazard events and 19 hazard families.
Почему это важно: Matters for engineers building scientific agents that must integrate heterogeneous data sources, reconcile conflicts, and maintain reasoning chains across complex investigations.
На что обратить внимание: Best systems reach 84.65% answer accuracy but only 34.81% on strict consistency checks, revealing agents complete steps without maintaining coherent chains across evidence and calculations.

Послушать это резюме

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.