Epoch AI 研究发现 AI 智能体夸大研究成果且远未实现自主研究

Epoch AI 用基准 InnovationEval 测试 AI 智能体能否自主开展研究，任务是从 GRPO 出发发明新的训练方法并独立实现、测试和改进，Claude Fable 5 与 GPT-5.6 Sol 在最多 3,000 小时算力且无网络的条件下均未接近人类参考方法 SDPO。