模型与 Benchmark板块首页
总览
AI for Bio benchmark 总览模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…模型索引:112 个模型按领域分组44 个 benchmark 的规模、更新与 wet la…
Benchmark 档案:核心 30 项
01 CASP02 ProteinGym03 MoleculeNet04 TDC05 PoseBusters06 CASF-201607 USPTO family08 Basenji/Enformer test set09 scIB10 GuacaMol11 ClinVar hold-out protocol12 DUD-E / LIT-PCBA13 CAGI14 PubMedQA15 CAMEO16 GUE + Nucleotide Transform…17 CAFA18 LAB-Bench / LABBench219 PMO20 CACHE21 DREAM5 / BEELINE / CausalB…22 CAPRI23 BioASQ24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles26 FLIP / FLIP227 Polaris / ASAP / OpenADMET28 Adaptyv competitions / Ben…29 BixBench30 PLINDER / PINDER / Runs N'…
Benchmark 档案:补充 14 项
31 FoldBench32 CrossDocked202033 PoseX34 AbBiBench35 FLAb / FLAb236 AIntibody37 TraitGym38 BEND39 RNAGym40 MotifBench41 BioML-bench42 BioMysteryBench43 Ginkgo GDPa144 FS-Mol
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

模型 × benchmark 配对矩阵:112 个模型、196 条关系

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 怎么读这张矩阵
  2. 结构/共折叠(24)
  3. 小分子(21)
  4. 蛋白(26)
  5. 抗体(7)
  6. 基因组/RNA(9)
  7. 单细胞(12)
  8. 分子生成(1)
  9. 文本与 agent(12)
  10. 每个 benchmark 被多少个模型报过
  11. 零配对模型(35)
  12. 方法说明

112 个模型与 44 个 benchmark 之间共 196 条配对记录,其中成立 131 条。每条配对只在 pairs_v2 中声明一次,benchmark 页的"报告过的模型"、模型页的"报过的 benchmark"和本页都从它生成。截至 2026-11-16。

怎么读这张矩阵

关系类型 含义 计入报告数 条数
官方参赛 / 官方榜单 条目出现在主办方结果或榜单上,可辨识 是 38
开发方按官方口径自报 开发方按官方切分 / 协议报告,不在榜单上 是 31
开发方自报,协议有改动 开发方报告,但过滤、子集或取样与官方不同;或主办方未确认的自报参赛 是 29
第三方评测 只有第三方在该 benchmark 上跑过它 是 0
赛后数据复用 赛后复用已公开一轮的数据 是 33
仅被引用作比较 只作为别人表里的对照数字,或只用了工具 否 10
未证实 有人声称或二手转述,无法核实 否 55

模型名与 benchmark 名都链到实体页;单元格内是成立关系的 benchmark 编号,不计数的关系单列。

结构/共折叠(24)

模型 成立数 成立的配对 不计数的配对
AF2-Multimer 1 22 CAPRI(榜) —
AlphaFold 3 6 01 CASP(赛后复用);05 PoseBusters(自报);15 CAMEO(榜);31 FoldBench(榜);33 PoseX(赛后复用);34 AbBiBench(榜) 12 DUD-E / LIT-PCBA(未证实);22 CAPRI(未证实);25 RNA-Puzzles(仅引用);30 PLINDER / PINDER / Runs N' Poses(仅引用)
BioEmu-2 0 — —
Boltz-1 / Boltz-1x 2 31 FoldBench(榜);33 PoseX(赛后复用) 05 PoseBusters(仅引用);30 PLINDER / PINDER / Runs N' Poses(仅引用)
Boltz-2 3 01 CASP(赛后复用);31 FoldBench(榜);34 AbBiBench(榜) 12 DUD-E / LIT-PCBA(未证实);27 Polaris / ASAP / OpenADMET(未证实);30 PLINDER / PINDER / Runs N' Poses(仅引用)
Chai-1 5 01 CASP(赛后复用);05 PoseBusters(自报);31 FoldBench(榜);33 PoseX(赛后复用);35 FLAb / FLAb2(赛后复用) 30 PLINDER / PINDER / Runs N' Poses(仅引用)
Chai-2 0 — —
DiffDock 2 12 DUD-E / LIT-PCBA(赛后复用);33 PoseX(赛后复用) 05 PoseBusters(仅引用)
ESMFold2 2 31 FoldBench(自报);34 AbBiBench(榜) —
HelixFold-S1 0 — —
IntelliFold-2 2 05 PoseBusters(改协议);31 FoldBench(自报) —
IsoDDE 2 01 CASP(赛后复用);30 PLINDER / PINDER / Runs N' Poses(自报) —
MassiveFold 2 01 CASP(榜);22 CAPRI(榜) —
NeuralPLexer3 3 01 CASP(赛后复用);05 PoseBusters(自报);25 RNA-Puzzles(改协议) —
OpenComplex2 1 01 CASP(榜) —
OpenDDE 1 31 FoldBench(改协议) 36 AIntibody(未证实)
OpenFold3 3 01 CASP(赛后复用);30 PLINDER / PINDER / Runs N' Poses(自报);31 FoldBench(榜) —
Pearl 2 05 PoseBusters(改协议);30 PLINDER / PINDER / Runs N' Poses(自报) —
Protenix 4 05 PoseBusters(自报);30 PLINDER / PINDER / Runs N' Poses(改协议);31 FoldBench(榜);33 PoseX(赛后复用) 12 DUD-E / LIT-PCBA(未证实)
RF3 1 31 FoldBench(榜) —
RhoFold+/DRfold2/trRosettaRNA 2 01 CASP(榜);25 RNA-Puzzles(赛后复用) —
RNAPro 1 25 RNA-Puzzles(改协议) —
SeedFold 1 31 FoldBench(自报) —
Vina 2 12 DUD-E / LIT-PCBA(赛后复用);33 PoseX(赛后复用) 05 PoseBusters(仅引用)

小分子(21)

模型 成立数 成立的配对 不计数的配对
ADMET-AI 1 04 TDC (ADMET + DTI)(榜) —
AQAffinity 1 01 CASP(赛后复用) —
Beacon(Inductive Bio) 0 — 27 Polaris / ASAP / OpenADMET(未证实)
Chemformer 1 07 USPTO family (+PaRoutes)(自报) —
Chemprop v2 0 — 03 MoleculeNet (+OGB)(未证实);04 TDC (ADMET + DTI)(未证实);27 Polaris / ASAP / OpenADMET(仅引用)
Enchant v1/v2 0 — 01 CASP(未证实);04 TDC (ADMET + DTI)(未证实);15 CAMEO(未证实)
ether0 1 07 USPTO family (+PaRoutes)(改协议) —
KERMT 0 — —
MiniMol 1 04 TDC (ADMET + DTI)(榜) —
MolE 1 04 TDC (ADMET + DTI)(榜) —
MoLFormer-XL 1 03 MoleculeNet (+OGB)(自报) —
Nesso-1 4 01 CASP(赛后复用);05 PoseBusters(改协议);30 PLINDER / PINDER / Runs N' Poses(改协议);31 FoldBench(改协议) —
ReaSyn v2 1 19 PMO (Practical Molecular Optimization)(改协议) —
REINVENT 4 0 — 19 PMO (Practical Molecular Optimization)(仅引用)
RetroDFM-R 1 07 USPTO family (+PaRoutes)(自报) —
Saturn 0 — —
TamGen 1 32 CrossDocked2020(自报) —
TerraBind 2 01 CASP(赛后复用);05 PoseBusters(改协议) —
TxGemma 1 04 TDC (ADMET + DTI)(自报) —
Uni-Mol2 1 03 MoleculeNet (+OGB)(改协议) —
Uni-Mol3 1 07 USPTO family (+PaRoutes)(自报) —

蛋白(26)

模型 成立数 成立的配对 不计数的配对
AlphaProteo 0 — —
AMPLIFY 0 — —
BindCraft 1 28 Adaptyv competitions / BenchBB(榜) —
BoltzGen 0 — —
Chai-3 0 — —
Claude 蛋白设计研究(通用模型 + 公开工具) 1 28 Adaptyv competitions / BenchBB(赛后复用) —
DPLM-2 1 15 CAMEO(赛后复用) —
Dyno Psi-1 / Psi-Phi 0 — —
ESM C 1 02 ProteinGym(榜) —
ESM3 4 01 CASP(赛后复用);02 ProteinGym(榜);34 AbBiBench(榜);40 MotifBench(榜) —
EVOLVEpro 0 — —
La-Proteina 1 40 MotifBench(榜) —
Latent-X/X2 0 — —
LucaOne 0 — —
Mosaic 1 28 Adaptyv competitions / BenchBB(榜) —
Pinal 0 — —
PoET-2 1 02 ProteinGym(自报) —
Profluent-E1 3 01 CASP(赛后复用);02 ProteinGym(自报);15 CAMEO(赛后复用) —
ProGen3 1 02 ProteinGym(榜) —
ProSST 2 02 ProteinGym(榜);34 AbBiBench(榜) —
Proteina-Complexa 1 28 Adaptyv competitions / BenchBB(改协议) —
RFdiffusion2/3 1 40 MotifBench(榜) —
SaProt 3 02 ProteinGym(榜);26 FLIP / FLIP2(自报);34 AbBiBench(榜) —
SeedProteo 0 — —
VenusREM 1 02 ProteinGym(榜) —
xTrimoPGLM 4 01 CASP(赛后复用);02 ProteinGym(榜);15 CAMEO(赛后复用);26 FLIP / FLIP2(自报) —

抗体(7)

模型 成立数 成立的配对 不计数的配对
Germinal 0 — —
HCAbLM 0 — —
IgGM / IgGM-FM 1 36 AIntibody(榜) —
JAM / JAM-2 0 — —
Origin-1 0 — —
RFantibody 0 — —
tFold 0 — —

基因组/RNA(9)

模型 成立数 成立的配对 不计数的配对
AlphaGenome 3 08 Basenji/Enformer test set(自报);11 ClinVar hold-out protocol(改协议);37 TraitGym(改协议) —
AlphaMissense 2 11 ClinVar hold-out protocol(改协议);13 CAGI(赛后复用) —
BioReason 1 11 ClinVar hold-out protocol(改协议) —
Borzoi 2 08 Basenji/Enformer test set(自报);37 TraitGym(赛后复用) —
BulkFormer 0 — —
Evo 2 2 11 ClinVar hold-out protocol(改协议);37 TraitGym(赛后复用) 39 RNAGym(未证实)
NTv3 1 08 Basenji/Enformer test set(自报) —
popEVE 1 11 ClinVar hold-out protocol(改协议) —
RIBOSPAN 1 39 RNAGym(自报) —

单细胞(12)

分子生成(1)

模型 成立数 成立的配对 不计数的配对
GenMol 1 19 PMO (Practical Molecular Optimization)(自报) —

文本与 agent(12)

模型 成立数 成立的配对 不计数的配对
Biomni 3 18 LAB-Bench / LABBench2(改协议);29 BixBench(改协议);41 BioML-bench(赛后复用) —
Co-Scientist 0 — 14 PubMedQA(未证实);18 LAB-Bench / LABBench2(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
GPT-Rosalind 1 18 LAB-Bench / LABBench2(改协议) 14 PubMedQA(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
Intern-S 0 — 14 PubMedQA(未证实);18 LAB-Bench / LABBench2(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
Kosmos / Edison Analysis 1 29 BixBench(自报) —
MedGemma / Med-Gemini 1 14 PubMedQA(自报) 23 BioASQ(未证实)
Quine 0 — 14 PubMedQA(未证实);18 LAB-Bench / LABBench2(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
Robin 0 — —
SciReasoner 1 07 USPTO family (+PaRoutes)(自报) 14 PubMedQA(未证实);17 CAFA(未证实);18 LAB-Bench / LABBench2(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
TxAgent 0 — —
VERID 0 — 14 PubMedQA(未证实);18 LAB-Bench / LABBench2(未证实);23 BioASQ(未证实);29 BixBench(未证实);41 BioML-bench(未证实);42 BioMysteryBench(未证实)
前沿通用大模型 5 02 ProteinGym(赛后复用);14 PubMedQA(自报);18 LAB-Bench / LABBench2(榜);29 BixBench(榜);42 BioMysteryBench(自报) 23 BioASQ(未证实)

每个 benchmark 被多少个模型报过

NN Benchmark 计入 榜 自报 改协议 第三方 赛后复用 仅引用 未证实
01 CASP 15 3 0 0 0 12 0 1
02 ProteinGym 10 7 2 0 0 1 0 0
03 MoleculeNet (+OGB) 2 0 1 1 0 0 0 1
04 TDC (ADMET + DTI) 4 3 1 0 0 0 0 2
05 PoseBusters 8 0 4 4 0 0 3 0
06 CASF-2016 0 0 0 0 0 0 0 0
07 USPTO family (+PaRoutes) 5 0 4 1 0 0 0 0
08 Basenji/Enformer test set 3 0 3 0 0 0 0 0
09 scIB (+Open Problems) 1 0 1 0 0 0 0 2
10 GuacaMol (+MOSES) 0 0 0 0 0 0 0 0
11 ClinVar hold-out protocol 5 0 0 5 0 0 0 0
12 DUD-E / LIT-PCBA 2 0 0 0 0 2 0 3
13 CAGI 1 0 0 0 0 1 0 0
14 PubMedQA 2 0 2 0 0 0 0 6
15 CAMEO 4 1 0 0 0 3 0 1
16 GUE + Nucleotide Transformer 基准 0 0 0 0 0 0 0 0
17 CAFA 0 0 0 0 0 0 0 1
18 LAB-Bench / LABBench2 3 1 0 2 0 0 0 5
19 PMO (Practical Molecular Optimization) 2 0 1 1 0 0 1 0
20 CACHE 0 0 0 0 0 0 0 0
21 DREAM5 / BEELINE / CausalBench 0 0 0 0 0 0 0 2
22 CAPRI 2 2 0 0 0 0 0 1
23 BioASQ 0 0 0 0 0 0 0 8
24 虚拟细胞挑战赛与扰动预测评测 9 1 0 6 0 2 0 0
25 RNA-Puzzles 3 0 0 2 0 1 1 0
26 FLIP / FLIP2 2 0 2 0 0 0 0 0
27 Polaris / ASAP / OpenADMET 0 0 0 0 0 0 1 2
28 Adaptyv competitions / BenchBB 4 2 0 1 0 1 0 0
29 BixBench 3 1 1 1 0 0 0 6
30 PLINDER / PINDER / Runs N' Poses 5 0 3 2 0 0 4 0
31 FoldBench 12 7 3 2 0 0 0 0
32 CrossDocked2020 1 0 1 0 0 0 0 0
33 PoseX 6 0 0 0 0 6 0 0
34 AbBiBench 6 6 0 0 0 0 0 0
35 FLAb / FLAb2 1 0 0 0 0 1 0 0
36 AIntibody 1 1 0 0 0 0 0 1
37 TraitGym 3 0 0 1 0 2 0 0
38 BEND 0 0 0 0 0 0 0 0
39 RNAGym 1 0 1 0 0 0 0 1
40 MotifBench 3 3 0 0 0 0 0 0
41 BioML-bench 1 0 0 0 0 1 0 6
42 BioMysteryBench 1 0 1 0 0 0 0 6
43 Ginkgo GDPa1 0 0 0 0 0 0 0 0
44 FS-Mol 0 0 0 0 0 0 0 0

零配对模型(35)

在 44 个 benchmark 上没有任何成立关系的模型,按本轮关系口径重算;旧站的同名名单按旧快照定义,不可直接对比。它们怎么自评见各自模型页的"其他评测"。

模型 领域 自评方式 主要自评项
BioEmu-2 结构/共折叠 自建任务集 模型卡列出的评测方向
Chai-2 结构/共折叠 仅与基线对比、湿实验验证、用户或合作方报告、自建任务集 抗体 / 纳米抗体湿实验战役;miniprotein 湿实验检测;抗体-抗原折叠模块自评;可开发性与多反应性自建评测
HelixFold-S1 结构/共折叠 仅与基线对比、自建任务集 自建 PDB 界面集;采样效率
Beacon(Inductive Bio) 小分子 用户或合作方报告、站外公开 benchmark、自建任务集 OpenADMET 系列盲测;Beacon-2 剂量估计;合作方微调
Chemprop v2 小分子 案例研究、站外公开 benchmark v2 论文自带任务(反应能垒、吸收波长、大规模量化属性集);下游应用(抗生素发现等)
Enchant v1/v2 小分子 仅与基线对比、站外公开 benchmark、自建任务集 公开人体药代数据集(半衰期);低数据量设置;公司内部任务集;v3 的蛋白结构质量对比
KERMT 小分子 仅与基线对比、自建任务集 药企内部 ADMET 端点组(时间切分);自建公开文献 ADMET 集与第三方公开集;相似度分桶泛化分析
REINVENT 4 小分子 仅与基线对比 与两个同类工具的功能对照
Saturn 小分子 仅与基线对比、自建任务集 自建对接多目标优化与命中率任务;样本效率背景引用
AlphaProteo 蛋白 仅与基线对比、案例研究、湿实验验证 七靶点 binder 湿实验战役;成功率对比;后续功能实验
AMPLIFY 蛋白 仅与基线对比、站外公开 benchmark、自建任务集 留出序列库的伪困惑度;掩码残基序列恢复;无监督接触预测;无序区判别
BoltzGen 蛋白 仅与基线对比、案例研究、湿实验验证 新靶点湿实验自建评测;已知靶点对照检查;合作实验室战役;与折叠模型持平的说法
Chai-3 蛋白 未披露、用户或合作方报告 公司表述;药企合作
Dyno Psi-1 / Psi-Phi 蛋白 仅与基线对比、自建任务集 五靶点计算过滤通过率;新闻稿比较
EVOLVEpro 蛋白 湿实验验证、自建任务集 DMS 计算机主动学习对比;REGN10987 抗体工程;Cas12f、PE2、Bxb1、T7 RNAP 工程
Latent-X/X2 蛋白 案例研究、湿实验验证、用户或合作方报告、自建任务集 Latent-X mini-binder / 大环战役;Latent-X2 的 VHH / scFv 战役;可开发性面板;免疫原性评估
LucaOne 蛋白 案例研究、自建任务集 八项下游验证任务;中心法则少样本分析
Pinal 蛋白 自建任务集 计算评测
SeedProteo 蛋白 自建任务集 无条件单体生成;计算结合体设计
Germinal 抗体 湿实验验证、自建任务集 四靶点纳米抗体实验;表位核查;内部消融
HCAbLM 抗体 仅与基线对比、站外公开 benchmark、自建任务集 序列分布分析;冻结表示迁移到可开发性;新闻稿基线对比;FLAb 与 GDPa1
JAM / JAM-2 抗体 仅与基线对比、湿实验验证 与另一闭源模型的公开数字对比;难靶湿实验自评
Origin-1 抗体 仅与基线对比、自建任务集 与一个开源抗体设计模型的计算对比;打分模块的判别力自评
RFantibody 抗体 湿实验验证 亲和力成熟;scFv 与全长 IgG 设计
tFold 抗体 自建任务集 抗体结构时间划分测试;抗体-抗原对接测试;虚拟筛选
BulkFormer 基因组/RNA 站外公开 benchmark、自建任务集 自建下游任务组;第三方泛癌突变探测;一个公开 bulk 排行榜的快照
AIDO Cell 单细胞 案例研究、站外公开 benchmark 厂商自建的虚拟细胞评测;已知药物机理的复现演示
scPRINT-2 单细胞 自建任务集 "可加性"设计基准;去噪与细胞类型预测
TranscriptFormer 单细胞 案例研究、站外公开 benchmark、自建任务集 跨物种细胞类型分类;精子发生跨物种映射;人类细胞类型与疾病状态;scIB
Co-Scientist 文本与 agent 未披露、用户或合作方报告、站外公开 benchmark、自建任务集 站内文本与 agent 类 benchmark;Elo 与 GPQA 正确率相关性;专家评估;Elo 锦标赛
Intern-S 文本与 agent 站外公开 benchmark、自建任务集 序列与分子的指令式评测;蛋白问答、显微图像与化学评测;作者自设的蛋白结合任务集
Quine 文本与 agent 未披露、湿实验验证 站内文本与 agent 类 benchmark;胰腺癌细胞状态转换预测
Robin 文本与 agent 案例研究、湿实验验证 干性 AMD 闭环;效应量冲突
TxAgent 文本与 agent 仅与基线对比、自建任务集 五个自建评测;工具调用消融
VERID 文本与 agent 案例研究、湿实验验证 数字孪生的协议案例;闭环设计的湿实验读出

方法说明

  • 配对数据来自 pairs_v2(183 → 196 条,9 条做了显式裁定);其中 32 条的出处只是本站页面,在实体页上标为未核实。
  • "成立" = 关系类型不是"仅被引用作比较"或"未证实"。
  • 本页不含分数;分数与口径见各 benchmark 页的当前排名。

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。