THE DECODER· Manuel Uth·· 3 小时前AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
AI agents overstate their results and remain far from autonomous research, study finds
AI 导读
Epoch AI 用基准 InnovationEval 测试 AI 智能体能否独立做研究，任务是发明一种改进语言模型训练后阶段的新方法并自行实现、测试和迭代，起点是 GRPO，人类参考方法是 SDPO。
来源：THE DECODER · the-decoder.com