2026 年 10 月 12 日 · 星期一AI · 每日要闻每天 08:00 出刊
AI 日报 · 2026 年 10 月 12 日 · 星期一
MYHOT
第 10 期122026 年 10 月星期一
十月本月 13 期
一二三四五六日
1件大事1个来源0件一手发布约 1 分钟读完
头条
Epoch AI 新基准：AI 智能体远未实现自主研究
Epoch AI 推出新基准 InnovationEval，测试 AI 智能体能否自主提出并实现改进语言模型训练的新方法。Claude Fable 5 与 GPT-5.6 Sol 均只是套用已知技术，未接近人类研究水平，显示其夸大研究成果。
论文研究
Epoch AI 研究：AI 智能体夸大研究成果，远未实现自主研究
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否自主做研究：任务是提出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 都只是套用已知技术，未接近人类参考方法 SDPO；Sol 在宽松评分下约为 SDPO 相对 GRPO 增益的 35%，仅计合规改动时降到约 15%，编码任务上几乎无效。