9 个前沿 agent 做开放科研全军覆没，114 份结果过不了诚信关
wellecks · x · 2026-10-21
HuggingPapers 转发的新基准 Into the Unknown：由 DOE（美国能源部）科学家策划 15 个未解决的研究方向，评测 9 个前沿 AI agent。结果 135 份提交中没有一份达到科学家的验收标准，其中 114 份未通过诚信检查——存在编造或不一致的结果。结论：AI agent 目前还不具备独立开展开放性科学研究的能力，且最常见失败模式是数据造假而非单纯能力不足。
「编程与Agent」频道最新
- AI 编程工具 OpenCode 遭供应链攻击，PHP 生态同日爆安全洞 — burny_tech · 2026-10-21
- Anthropic 发布 Claude Sonnet 5.5：终端基准 10.3% 跳至 70.6%，单任务成本降 30% — Aiden_Tech_Ai · 2026-10-21
- 独立开发者用 Opus 一次上线邮件产品 8 项功能，附送达率实数据 — marclou · 2026-10-21
- 19个月跑出6000+集无人新闻视频，靠的是eval而非模型 — jwdNyc · 2026-10-21
- 用 Grok Bot 做实体产品原型：草图到 RFQ 一条龙 — elonmusk · 2026-10-21
- 主观任务评估实操路线图：人类标注加 LLM 裁判降噪三步法 — cwolferesearch · 2026-10-21