SciExam for ENSO：语言模型智能体能否自主构建气候模型

研究团队提出 SciExam for ENSO 基准，让语言模型智能体在六小时预算内基于真实观测构建 ENSO 低阶随机模型，并由隐藏评分器检验其统计特征复现、未观测变量恢复和留出年份预测能力。在十二个智能体系统中，有六个构建的模型得分高于已发表模型，主要优势在重建与预测。作者还通过受控实验表明，最强系统的得分并非来自记忆历史观测记录，其简化模型形式分别与 ENSO 冷暖不对称的两种竞争解释相容。