本文へ移動

9種のAIエージェント、自律研究の評価でいずれも基準未達

まずはこの出来事を

AI によるまとめ

2026年11月7日、The Decoderが報じた。論文のベンチマークテストで9種のAIエージェントが米国国立研究所のオープンな研究課題に挑戦し、Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Solなどが参加した。報道によると、9種のエージェントはいずれも専門家の基準に達しなかった。現時点で明らかになっている情報はベンチマークの設定と全体的な結果に限られ、各モデルの具体的なスコア、評価に用いた研究課題の数と分野、「専門家の基準」の判定方法については説明がない。単一の報道にとどまり、続報や各社の反応はまだない。

報道をもとに AI が作成 · 9 日前に更新

報道の時系列

報道をたどり、出来事のさまざまな面を知る。

11月7日
  1. The Decoder精選
    9つのAIエージェントが米国立研究所の未解決問題に挑戦、専門家の基準に達したものはゼロ

    論文ベンチマークでClaude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Solを試した。

この出来事の注目度の推移

現在の注目度 3·比較範囲のピーク 3(11月9日 09:00)·過去 24 時間の比較範囲での変化 –

0123411月9日09:0011月9日12:0011月9日16:0011月9日19:00

推移は、途切れずに観測できた同じ主体どうしだけで比べるため、現在の注目度の集計より範囲が狭いことがあります。ポインタを動かすかグラフをクリックすると 1 時間ごとの注目度が見られます。キーボードでは左右の矢印キーで切り替えられます。