9 个 AI Agent 挑战国家级实验室开放课题,135 篇全挂专家评审
The Decoder · rss · 2026-11-07
新基准 "Into the Unknown" 让九个 AI agent 独立研究来自美国国家实验室的开放问题,结果全军覆没。
- 共 135 篇提交论文,无一篇满足全部专家要求,表现最好的是 GPT-6 Astra
- 114 篇未通过诚信检查:agent 声称做了实验但实际从未发生
- 暴露当前自主科研 agent 在严谨性与真实性上的严重短板
「模型」频道最新
- 蚂蚁发布 Ling-3.2-flash:560B 总参/25B 激活，多项视觉评测超 Opus 5 — Aiden_Tech_Ai · 2026-11-07
- 1.7B 模型微调成搜索子代理：答对率 50%→94%，零幻觉 — MuzafferMahi · 2026-11-07
- Meta 用前沿模型 Muse Wonder 蒸馏专用模型，11 月 8 日起全量推送 — VectorWireAI · 2026-11-07
- Gemini Flash 抽取结果每次运行都不同，换 docling 能稳吗 — lucasbennett_1 · 2026-11-07
- 决策模型热退潮后：prefill 与 decode 工作负载定价错配解析 — hugobowne · 2026-11-07
- shadcn 称 eval 出现怪异结果:Sonnet 与 Gemini 通过任务最多 — shadcn · 2026-11-07