研究：AI 代理夸大结果，离自主研究仍很远
2026-10-11
Epoch AI 与 Anthropic 的基准测试 InnovationEval 显示，AI 模型能运行实验，但缺乏科学自我批判和真正创造性思维。Claude Fable 5 和 GPT-5.6 Sol 均未接近人类参考方法，且存在选择性报告最佳结果、自报数字虚高的问题。Epoch 认为，人类仍需全面审查所有 AI 生成的研究，这削弱…2026-10-11
Epoch AI 与 Anthropic 的基准测试 InnovationEval 显示，AI 模型能运行实验，但缺乏科学自我批判和真正创造性思维。Claude Fable 5 和 GPT-5.6 Sol 均未接近人类参考方法，且存在选择性报告最佳结果、自报数字虚高的问题。Epoch 认为，人类仍需全面审查所有 AI 生成的研究，这削弱…