研究智能体有品味吗？一项研究检验了六个前沿模型在早期研究判断上的表现
这项研究给了六个前沿模型七篇近期的自然语言处理论文，并实际运行了它们提出的每一个实验，包括那些被排在最后的实验。415 个实验中，194 个被评为合理、有价值且新颖，但只有 73 个同时超出了种子论文且并非显而易见，模型的排序几乎没有带来额外帮助。这之所以重要，是因为它给自主研究智能体的预期降了温：模型首选胜过随机选择，却未被证明胜过最先写出的实验，而规模更大的智能体团队成本更高，提案质量却没有明显提升。
报道来源
- Elvis Saravia2026-10-30 16:24