先了解这件事
AI 综述
2026年8月28日,研究人员基于36项AI研发任务产生的756条轨迹,对7个前沿模型进行了评测。结果显示,当前AI智能体已能提出修改、运行实验、解读反馈并多轮优化技术成果,但整体更像工程优化器,而非完全自主的研究者。在252个解决方案中,仅3个被认定采用了新颖方法;模型之间的主要差异体现在可靠性,而非峰值表现。经验复用通常有助于完成任务,但也可能延续错误结论;harness设计则主要影响重复运行的稳定性。
AI 根据公开报道生成
最新进展 · 正式报道
评测发现 AI 智能体更像工程优化器，而非完全自主的研究者事件进展
1 个已确认进展
- 来源：美团 LongCat
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月28日
美团 LongCat精选
评测发现 AI 智能体更像工程优化器，而非完全自主的研究者
研究人员在 36 项 AI 研发任务的 756 条轨迹中评测了 7 个前沿模型，发现当前智能体更像工程优化器，而非完全自主的研究者。252 个解决方案中仅 3 个被认定为新颖方法，模型间的主要差异在于可靠性而非峰值表现。经验复用通常有益但也可能延续错误结论，harness 设计则主要影响重复运行的稳定性。