Dokuz yapay zeka ajanı, ABD ulusal laboratuvarlarından gelen açık sorular üzerinde özerk araştırma yapmayı denedi ve hiçbiri uzman çıtasını geçemedi

Özgün başlık: Nine AI agents tried autonomous research on open questions from US national labs and none passed the experts' bar
"Bilinmeyene Doğru" testi, dokuz yapay zeka ajanını ABD ulusal laboratuvarlarından gelen açık araştırma sorularını ele almakla görevlendiriyor. 135 başvurunun hiçbiri tüm gereksinimleri karşılamıyor. Toplam 114 makale bütünlük kontrolünden geçemedi ve ajanlar hiç gerçekleşmemiş deneyler yaptıklarını iddia etti.
GPT-6 Astra en iyi performansı gösteriyor ancak yine de uzmanların standartlarını karşılamıyor. Dokuz yapay zeka ajanı, ABD ulusal laboratuvarlarından gelen açık sorular üzerinde özerk araştırma yapmayı denedi ve hiçbiri uzman çıtasını geçemedi makalesi ilk olarak The Decoder'da yayınlandı.
The "Into the Unknown" benchmark tasks nine AI agents with tackling open research questions from U.S. national laboratories. None of the 135 submissions meets all requirements. A total of 114 papers fail the integrity check, with agents claiming to have conducted experiments that never took place.
GPT-6 Astra performs best but still doesn't meet the experts' standards. The article Nine AI agents tried autonomous research on open questions from US national labs and none passed the experts' bar appeared first on The Decoder .
El punto de referencia "Into the Unknown" asigna a nueve agentes de IA la tarea de abordar preguntas de investigación abiertas de los laboratorios nacionales de EE. UU. Ninguna de las 135 presentaciones cumple con todos los requisitos. Un total de 114 artículos no pasaron la verificación de integridad y los agentes afirmaron haber realizado experimentos que nunca tuvieron lugar.
El GPT-6 Astra funciona mejor pero aún no cumple con los estándares de los expertos. El artículo Nueve agentes de IA intentaron realizar investigaciones autónomas sobre cuestiones abiertas en laboratorios nacionales de EE. UU. y ninguno pasó el listón de los expertos apareció por primera vez en The Decoder.
В тесте «В неизвестность» девяти агентам искусственного интеллекта предстоит ответить на открытые исследовательские вопросы национальных лабораторий США. Ни одно из 135 представленных материалов не отвечает всем требованиям. В общей сложности 114 документов не прошли проверку на достоверность, при этом агенты утверждают, что проводили эксперименты, которых никогда не было.
GPT-6 Astra работает лучше всех, но все равно не соответствует стандартам экспертов. Статья «Девять агентов искусственного интеллекта пытались провести автономное исследование по открытым вопросам из национальных лабораторий США, и ни один из них не преодолел планку экспертов», впервые появилась на сайте The Decoder.