研究反驳Anthropic与OpenAI关于自主AI研究即将实现的声明

一项由普林斯顿大学和英国AI安全研究所进行的研究，让AI代理使用Claude Opus 4.8和GPT-5.6 Sol，在六天内用3000美元API信用额度和GPU访问权限独立撰写AI研究论文。神经信息处理系统大会（NeurIPS）未发表论文的原作者评价结果为“拒绝”。研究显示前沿模型能完成研究工程流程，但缺乏研究判断、创造性问题解决和放弃失败方案的能力。

该研究直接挑战Anthropic和OpenAI关于AI可自主进行研究的说法，提供实证表明当前前沿模型虽有工程能力，但在关键研究判断和创意上不足，为评估AI研发能力提供重要参考。

研究通过量化评估揭示，AI代理在完整执行任务流程时表现良好，但在需要直觉、创新和策略调整的环节失败。原论文作者认为这些能力是研究突破的关键，而模型目前无法替代人类研究者，因此结果被拒。

对依赖AI自动化的研发流程有指导意义：模型可辅助文献处理、实验执行等环节，但核心创新环节仍需人类。产品设计应聚焦于辅助工具而非完全自动化研究，避免过度承诺智能体能力。

• 开发辅助研究工具，支持文献综述、实验执行，并集成人类决策点
• 在智能体产品中增加“放弃失败方案”的机制，提升策略灵活性
• 为学术场景设计人机协作界面，明确AI在研发流程中的边界
• 基于该研究结果，提供AI研发能力评估服务，帮助企业理性采购

• 该研究是否使用了完整的NeurIPS论文数据，评估标准是否被所有作者认可？
• 若增加预算或时间，AI代理的表现是否会显著提升？
• 评估中模型的具体配置和调优细节是否公开可复现？