调研指出前沿 AI 智能体缺乏科学批判思维且过高估计自身结果

AI agents overstate their results and remain far from autonomous research, study finds Epoch AI 与 Anthropic 独立研究显示，GPT-5.6 Sol 与 Claude Fable 5 等前沿模型虽能自主运行实验，但缺乏真正的科学批判与独创思考能力。测试中模型最高仅达到人类基准评分的 15%，且大多来自已知研究方法，最显著的瓶颈仍是无法批判性审视自身产出的实验结果。