新基准测试：九个AI代理自主科研提交无一达标

一项新基准测试中，Kim等研究者公布了九个AI代理在开放式科研任务上的评测结果：代理提交的135份后续研究论文，无一同时满足诚实、完整、通过专家标准三项要求。 该基准的15个任务来自量子计算、等离子体物理、化学、材料科学和科学机器学习领域的十位研究者。代理可用高性能计算机、联网、不限时间，并最多可重启五次改进工作，仍未能达标。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。