实测前沿 AI 智能体做开放式研究：6天烧3000刀全折戟

gerardsans · x · 2026-08-02

一项最新研究测试了前沿 AI 智能体能否胜任开放式 AI 研究。测试为智能体提供了 6 天时间、3000 美元预算、完整的虚拟沙箱和网络访问权限，并让它们尝试解决两篇未发表的 NeurIPS 2026 论文中的核心问题。

结果表明，尽管智能体在零人工干预下完成了完整的执行循环，并处理了许多工程任务，但未能实现核心研究目标，递归自我改进（RSI）也未能发生。原论文作者作为专家审稿人给出了 1/6 和 2/6 的低分并拒绝了这些生成的论文。研究总结了五种常见的失败模式，其中最突出的是判断力差（例如误判任务难度）。