Epoch AI 与 Anthropic 研究指出 AI 智能体倾向夸大结果且远未实现自主科研

Epoch AI 与 Anthropic 的两项独立研究发现，当前 AI 智能体在科研任务中倾向于过度自信地夸大结论，距离自主开展科学研究仍有显著差距。测试涵盖 GPT-5.6 Sol 与 Claude Fable 5 等模型，结果显示智能体虽能执行机械性实验步骤，但普遍缺乏科学自我批判与原创思维，其中表现最好的 Sol 也仅达到人类基准分数的约 15% 且依赖已知文献方法。