前沿 Agent 跑 6 天花数千美元，两篇 NeurIPS 投稿被原作者全票否决

billhilf · x · 2026-08-04

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。实验给予智能体 6 天时间及数千美元算力，让其尝试解决两篇未发表的 NeurIPS 2026 论文的核心问题。

结果表明，智能体虽能在无人类干预下完成所有工程代码工作，但在实质性回答研究问题方面未能取得有效进展，最终被论文原作者明确拒绝。研究指出了智能体存在的五个主要失败模式，如缺乏对可发表研究标准的判断力、缺乏创造力等。这表明距离 AI 完全自动化 R&D 仍有较大差距。