LLM准备好科学发现了吗：面向AI科学家的能力导向基准

既有的科学数据分析基准主要以代码执行或工作流完成度评估LLM，忽略了科学分析旨在支撑不同类型的科学论断：假设探索、统计推断、机制解释——各有不同的假设与效度标准。我们提出SDABench：一个围绕六种能力（描述性、探索性、推断性、预测性、因果与机制性）在五个领域（生物、化学、环境、地理、物理）重组评估的基准。SDABench含527个真实数据实例（SDA-Real）与6,000个合成实例（SDA-Synth），各含选择题与开放式两种形式，经自动化管线构建。评估15个代表性LLM发现：模型善长描述性分析，但在需要假设选择、潜过程建模或机制推理的任务上急剧退化。SDABench进一步提供五阶段错误分析框架定位LLM失败之处：更先进的模型更可靠地识别相关范围与变量，但仍难以选择适当的分析程序、建模变量关系并得出有效结论。