The Decoder· Manuel Uth·· 3 小时前精选AI 评分71
Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
AI agents overstate their results and remain far from autonomous research, study finds
AI 导读
Epoch AI 用基准 InnovationEval 测试 AI 智能体能否独立做研究：任务是发明一种改进语言模型训练后阶段的新方法，起点为 GRPO，人类参考方法为 SDPO，测试对象是 Claude Fable 5 和 GPT-5.6 Sol，每个智能体可用最多 3000 小时高端芯片算力且无网络。
推荐理由
Epoch AI 的 InnovationEval 用同一套基准比较智能体自报成绩与校正后成绩，可看到自主研究能力的真实差距。
来源：The Decoder · the-decoder.com