RSI-PDEbench 基准发布：评估 LLM 智能体求解偏微分方程的能力
把“从数据反推 PDE 方程”这件原本要专家手工做的事交给 LLM 智能体，还做了个 1,001 案例的基准来量化。带验证门控的自我改进比直接跑 Claude Code 或 Codex 通过率更高、调用还更省，做科学计算智能体的开发者可以细看它的设计。
把“从数据反推 PDE 方程”这件原本要专家手工做的事交给 LLM 智能体，还做了个 1,001 案例的基准来量化。带验证门控的自我改进比直接跑 Claude Code 或 Codex 通过率更高、调用还更省，做科学计算智能体的开发者可以细看它的设计。