实测 AI 智能体做科研：烧钱跑六天，原论文作者全盘否定

sayashk · x · 2026-07-31

当前对 AI 智能体的评测多局限于狭窄、易验证的任务，但真实的科学研究往往是开放式的。研究人员进行了一项“影子评测”：给 AI 智能体提供两篇未发表论文的研究问题，并配以六天时间以及价值数千美元的 API 额度和算力。

结果显示，智能体在工程任务上表现得相当熟练，但在提出假设、决定合适证据以及识别失败路径等核心科研环节上表现不佳。最终，原作者对 AI 生成的论文进行了严格评审，并给出了明确的否定评价。