前沿 AI 智能体实测：烧钱跑 6 天仍做不出像样研究

sayashk · x · 2026-07-31

一项最新研究测试了前沿 AI 智能体能否胜任开放式的 AI 研发工作。研究人员引入了“影子评估”方法，让智能体接手两篇未发表的 NeurIPS 2026 论文的核心问题，并给予其 6 天时间和数千美元的算力。

结果表明，尽管智能体能独立完成所有工程代码，但在回答核心研究问题上未能取得实质性进展，最终“论文”被原作者全票拒绝。研究总结了 AI 研究员的五大失败模式，其中最致命的是缺乏对可发表研究标准的判断力。这直接挑战了当前关于 AI 能实现递归自我改进的乐观预测。