GPT-6 Astra 与 Claude Fable 5.1 写论文，专家评审仍全部拒稿
sayashk · x · 2026-10-21
- 评测者给 GPT-6 Astra 和 Claude Fable 5.1 各 1 万美元预算，让其自主研究来自未发表论文的开放式科研问题，产出论文后由原作者评审。
- 与 7 月用 Claude Opus 4.8 的首轮测试相比，agent 在实验设计与资源管理上有明显进步，但创造性解题、判断力、校准与写作沟通仍是短板。
- 配图显示四篇论文（7 月两篇、9 月两篇）全部被拒，总分仅 1-2/6；同一问题的 9 月论文在严谨性上略升，但在表达与贡献度上下降。
「模型」频道最新
- DeepSeek V4.1 Flash 推理部署拆解：Engram 减参 30% + WideEP 摊薄权重 — teortaxesTex · 2026-10-21
- MiniMax M3.1 Flash 登顶搜索效率榜，成本仅 DeepSeek 方案 1/3 — VoidAsuka · 2026-10-21
- 低延迟语音模型该端侧常驻：Phonon 开源引发讨论 — timshi_ai · 2026-10-21
- Cloudflare 27B 多模态决策模型 Clef 上架 Ollama,可本地运行 — ollama · 2026-10-21
- 陶哲轩评 OpenAI 数学题发布：解题本身不是目的 — haider1 · 2026-10-21
- 陶哲轩评 OpenAI 数学成果:我要的是深层理解,不是解题本身 — haider1 · 2026-10-21