Epoch AI 研究：AI 智能体夸大研究成果，远未实现自主科研

Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否自主做研究，任务是发明一种改进语言模型训练的新方法并独立实现、测试和迭代。Claude Fable 5 和 GPT-5.6 Sol 都只是复用已知技术，未接近人类参考方法 SDPO，Sol 在宽松评分下约为 SDPO 提升幅度的 35%，只计规则内改动则降至约 15%。