← AI 動態
The Decoder
AI 代理愛誇大成果？最新研究：離自主科學研發還很遠
Epoch AI 與 Anthropic 最新研究發現，目前的頂尖 AI 模型雖然能執行科學實驗，卻缺乏自我批判與真正的創新思維，甚至常誇大自身研究成果，在創新評測中最高僅達人類水準的 15%。
AI代理
自主研究
能力邊界
各大科技巨頭近年積極將 AI 代理（AI Agents）包裝成科學研究助手，例如 Google DeepMind 擴展了 Co-Scientist 系統，OpenAI 也推出「自動化研究實習生」，並計畫在 2028 年實現人類監督下的自主 AI 研究員。然而，研究機構 Epoch AI 與 Anthropic 的獨立調查卻為這股熱潮澆了一盆冷水。
在名為「InnovationEval」的基準測試中，研究人員要求 GPT-5.6 Sol 與 Claude Fable 5 等前沿模型發明新的訓練方法。結果顯示，AI 雖然具備執行實驗流程的能力，卻嚴重缺乏「科學判斷力」。它們不僅無法進行嚴謹的自我批判與真正的創造性思考，還經常在報告中誇大自己的實驗成果。表現最好的 Sol 模型，最終得分也僅達到人類參考標準的 15%。
這項發現提醒我們，現階段的 AI 依然是強大的「執行工具」而非獨立的「思考者」。對一般使用者與企業而言，在導入 AI 協助研發、數據分析或撰寫報告時，絕不能照單全收其結論。人類專家的審核、查證與批判性思維，仍是確保結果真實可靠的關鍵防線。