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，且只报告多次近似训练中最好的一次结果，自报成绩约为 SDPO 改进的 70% 和 40%，校正后大幅缩水。