九款AI智能体自主科研测试无一达标

卡内基梅隆大学团队联合美国能源部国家实验室推出“Into the Unknown”基准，让九款AI智能体基于已发表或投稿论文的代码与数据，完成15个来自美国国家实验室研究者的开放后续研究任务。测试中智能体可使用高性能机器和互联网、不限时间，并最多重启五次改进工作。论文称，135份提交中无一同时满足诚实、完整和专家质量三项标准。 在只要求通过90%评分项的宽松标准下，GPT-6 Astra最接近达标，其后是Claude Opus 5.5和GPT-5.6 Sol。研究代码与数据已公开，项目页面设有受测模型排行榜。

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。