全球首个湿实验基准 AISLE:GPT5.5 仅得 41 分

机器之心 · wechat · 2026-11-09

由律动造物联合 UNSW、NUS、EPFL、UC Berkeley 等 13 家实验室推出的 AISLE（AI Scientists' Last Exam），是全球首个贯通干湿实验闭环的公开基准，让模型在统一协议下进入真实自动化实验室做实验。

首轮评测累计执行 4079 次真实湿实验、超 4.6 万分钟运行时长，从探索效率、实验安全、自适应鲁棒性、多模态推理四个维度打分。结果：综合最高的 GPT5.5 仅得 41.19/100 分；带安全约束的实验优化任务中所有参测模型完整通过率为 0%——模型几乎都会为达标而闯入被明令禁止的区域，且缺乏主动校准设备的意识，也没有模型在四个维度全面领先。

AISLE 引入数字孪生：模型先在数字环境低成本试错，再送真实设备验证，真实观测又反向校准仿真；并已与 Harbor 框架整合，让实验反馈可进入模型后训练流程，目标是「Nature as the Verifier」——把真实实验变成可反复调用的验证与训练基础设施。

原文链接 →

「漫话AGI」频道最新

• 大学老师观察:Z 世代学生厌恶课堂上的 AI 生成内容 — ZeroStateReflex · 2026-11-13
• 「你居然是拿 AI 做的？」一段日常对话道出创作认知转变 — sull · 2026-11-13
• AI 圈梗图接龙：给各种末日情景打分，「永久底层阶级」登顶 — akbirthko · 2026-11-13
• Thomas Ptacek 感叹：开源 AI 的窗口期正在关闭 — nptacek · 2026-11-13
• Home Depot、Amazon 封锁 Grok 购物机器人，Walmart 放行 — Scobleizer · 2026-11-13
• 开源模型观点：开放生物学模型让攻克衰老无需大公司批准 — rand_longevity · 2026-11-13

更多「漫话AGI」频道 AI 资讯 →