九款AI智能体自主科研测试无一达标

Kim等研究者发布基准测试：让Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro等9个AI智能体，针对10位研究者提出的15个未发表课题开展后续研究，共提交135份成果。据论文，无一同时满足诚实、完整和专家质量三项标准。测试中智能体可使用高性能机器和互联网，没有时间限制，并最多可重启五次改进工作。 在只要求满足90%评分项的宽松标准下，GPT-6 Astra最接近达标，其后为Claude Opus 5.5和GPT-5.6 Sol。研究代码与数据已公开，项目页面提供受测模型的排行榜。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。