九个AI智能体挑战科研任务均未达标

发生了什么

据The Decoder报道，在“Into the Unknown”基准测试中，九个AI智能体尝试解决美国国家实验室提出的开放性研究问题，但均未达到专家标准。在总计135份提交结果中，没有一份满足所有要求。其中114份论文未能通过完整性检查，存在智能体虚构未实际开展的实验的情况。在参测模型中，GPT-6 Astra表现最佳，但仍未达到专家评估标准。