九款AI智能体自主科研测试无一全达标
热点事件观察中
九款AI智能体自主科研测试无一全达标
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Kim等研究者发布基准测试：让Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro等九款AI智能体，针对美国国家实验室研究者的15个开放问题开展后续研究。智能体可使用高性能机器和互联网，没有时间限制，最多可重启五次改进工作。论文称，九款智能体共提交135份结果，无一同时满足诚实、完整和专家标准三项要求。 在放宽至接受90%评分项的评分标准下，GPT-6 Astra最接近达标，其后是Claude Opus 5.5和GPT-5.6 Sol。研究代码和数据已公开，项目页面提供受测模型的排行榜。
AI 根据报道生成 · 1 天前更新
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，无一通过专家评审报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- The Decoder九个 AI 智能体挑战美国国家实验室开放研究问题，无一通过专家评审
一项新论文让 Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro 等九个 AI 智能体针对美国国家实验室研究者的 15 个开放问题做后续研究，135 份提交无一同时满足诚实、完整和专家标准三项要求。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1011月7日 21:00
- 近 24 小时变化
- -49%
02.557.510
11月8日06:0012:0018:0011月9日
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。