The Decoder· Manuel Uth·· 5 天前
Epoch AI 研究：AI 智能体夸大研究成果，远未实现自主科研
AI agents overstate their results and remain far from autonomous research, study finds
AI 导读
Epoch AI 发布 InnovationEval 基准，测试 AI 智能体能否自主完成研究：任务是发明一种改进语言模型训练后阶段的新方法，并独立实现、测试和优化，起点是 GRPO，人类参考方法为 SDPO。
入选记录
门槛 76媒体与个人第一次 71第二次 71
未入选两次之和 142 < 门槛的两倍 152
- 信源等级
- 媒体与个人，这一级的门槛是 76 分
- 预筛
- 通过：评测AI Agent自主研究能力，实质AI相关
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：The Decoder · the-decoder.com