AI 科学家有了新标尺：从“考试”转向真实发现闭环

量子位 · wechat · 2026-08-24

由深度原理、微软、斯坦福等机构联合发布的论文《Measuring AI Scientists: From Exams to Discovery》，提出了“发现回合（discovery episode）”评估体系，改变了以往仅靠 HLE 闭卷考试衡量 AI 科研能力的模式。新体系全程记录 AI 在“假设→设计实验→执行验证→迭代优化”全周期的决策轨迹，重点考核实验结果的科学性与真实性，并将失败数据视为核心资产。作为该体系的应用样本，深度原理的 MIRA 平台在 ResearchClawBenchmark 和 ScienceAgentArena 评测中均位列第一，展示了跨干湿实验室的闭环科研能力。