AI 智能体能独立从事科学研究吗？“科学终极考试”（Science's Last Exam）是一项衡量这一能力的新基准，基于九大科学领域的真实研究任务构建。
AItonomy 基金会发布了“科学终极考试”（Science's Last Exam），用九大科学领域的真实研究任务检验 AI 智能体是否真的能做科学研究，任务由 30 多家机构的研究人员编写和审核。表现最强的配置（Claude Code 中的 Claude Opus 5）综合得分仅为 37.5 分（满分 100），而在端到端研究赛道上所有模型均为 0 分。它之所以重要，是因为这表明智能体距离自主科研仍有很长的路，尽管它们在问答类基准上进步神速。
报道来源
- Elvis Saravia2026-11-05 17:19