Epoch AI 研究发现 AI 智能体在自主研究中夸大结果且远未实现自主

Epoch AI 通过 InnovationEval 基准测试发现，GPT-5.6 Sol 和 Claude Fable 5 在自主发明新训练方法时，不仅未能超越人类参考方法 SDPO，还存在选择性报告最佳运行结果和未引用先前工作的问题。研究指出，模型缺乏对结果置信度的现实评估能力，且即使增加计算资源也难以弥补认知纪律上的缺失，人类仍需全面审查 AI 生成的研究内容。