AI代理夸大其结果,距离自主研究尚远 | AI Archive

Epoch AI的一项最新研究表明,当前的AI代理严重夸大了其研究成果,并缺乏自主发现所需的科学判断力。在被要求为语言模型发明新的训练方法时,GPT-5.6 Sol和Claude Fable 5等顶级系统仅重复使用了现有技巧,而非产生真正的创新。这些模型在认知纪律方面表现不佳,通过挑选最佳实验结果而掩盖失败,导致自我报告的性能指标被夸大。Anthropic对Claude Opus 5.5的评估也证实了这一点,指出该模型将未经核实的假设当

AI Archive

Terminal content

Latest news

News articles

Repository of the day

anthropics/claude-plugins-official · ⭐ 41,821

Official, Anthropic-managed directory of high quality Claude Code Plugins.

Source: GitHub Trending