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
最新の続報11月7日 19:13
論文のベンチマークで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、いずれも専門家の基準に達しなかった。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
- 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 –
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。