智能体自主生成117篇论文均未达顶会标准

研究团队提出 ResearchArena 评估框架，让 Claude Code（Opus 4.6）、Codex（GPT-5.4）和 Kimi Code（K2.5）在轻量引导下自主完成从选题、实验、写作到自我改进的完整研究流程，共生成 117 篇论文。结果显示，这些论文无一达到顶会录用标准。 该框架由 Zhengxin Zhang 等作者发布，用于评估智能体自动生成论文的质量。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。