Epoch AI基准测试：AI智能体自主科研能力远逊人类

Epoch AI发布基准测试InnovationEval，让AI智能体在无联网、最多3000小时高端芯片算力的条件下，自主发明并实现一种改进语言模型训练的新方法。结果显示，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%。Epoch AI称，一年前的领先模型在同一测试中表现会更差，并计划定期用新任务重复该测试。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。