九款AI智能体自主科研测试无一达标
热点事件持续更新
九款AI智能体自主科研测试无一达标
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Kim等人发布的基准测试显示，Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro、Kimi K3、GLM-5.3 等 9 个 AI 智能体在 15 项开放科研任务中提交的 135 份结果，无一同时满足诚实、完整和专家质量三项标准。测试中，这些智能体可使用高性能机器和互联网，没有时间限制，并最多可重启五次改进工作。 在放宽至接受 90% 评分项的评分标准下，GPT-6 Astra 最接近达标，其后是 Claude Opus 5.5 和 GPT-5.6 Sol。研究代码和数据已公开，项目页面提供受测模型的排行榜。
AI 根据报道生成 · 2 小时前更新
最新进展11月7日 19:13
9 个 AI 智能体挑战美国国家实验室开放课题，无一通过专家标准报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- The Decoder精选9 个 AI 智能体挑战美国国家实验室开放课题，无一通过专家标准
一项论文研究让 Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro、Kimi K3、GLM-5.3 等 9 个 AI 智能体基于原始论文和代码数据开展后续研究，135 份提交中无一同时满足诚实、完整和专家质量三项标准。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月7日 20:00
- 近 24 小时变化
- –
02.557.510
20:0021:0022:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。