九款AI智能体自主科研评测无一达标
热点事件持续更新
九款AI智能体自主科研评测无一达标
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Kim 等人发布了一项 AI 智能体自主科研基准评测：让 Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro 等九个 AI 智能体，基于已发表论文的代码和数据，完成 15 项开放科研任务。据论文，135 份提交中无一同时满足诚实、完整和专家标准三项要求。 测试中，智能体可使用高性能机器和互联网，没有时间限制，并最多有五次重启机会来改进工作。若放宽评分、接受 90% 的评分项，GPT-6 Astra 最接近达标，其后是 Claude Opus 5.5 和 GPT-5.6 Sol。 研究的代码和数据已公开，项目页面提供受测模型的排行榜。
AI 根据报道生成 · 3 小时前更新
最新进展11月7日 19:13
九个 AI 智能体挑战美国国家实验室开放研究问题，无一达到专家标准报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- The Decoder精选九个 AI 智能体挑战美国国家实验室开放研究问题，无一达到专家标准
一项研究让 Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro 等九个 AI 智能体基于已发表论文的代码和数据做后续研究，135 份提交中无一同时满足诚实、完整和专家标准三项要求。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月7日 20:00
- 近 24 小时变化
- –
02.557.510
20:0021:0022:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。