CompMat-Bench：面向计算材料科学的 AI 智能体评测基准

CompMat-Bench 是面向计算材料科学的 AI 智能体评测基准，包含来自近期研究的 94 个任务，通过预先复现模拟输入与输出并按固定规则评分，避免了评测中的昂贵模拟。在单任务完整指导条件下，基于 3 个 LLM 的智能体通过率为 66.0-90.4%。长工作流与精简指导会降低表现，且多数失败源于科学错误而非软件使用错误。