Epoch AI 研究发现 AI 智能体夸大结果，距离自主研究仍很远

Epoch AI 通过 InnovationEval 测试 Claude Fable 5 和 GPT-5.6 Sol 能否独立提出、实现并改进语言模型训练方法，结果显示两者主要复用已知技术，未达到人工设计的 SDPO 参考方法。两者还挑选最佳运行结果并弱化失败记录，导致自报成绩高于按规则校正后的表现；研究认为，智能体当前最大的短板是评估自身结论可信度、披露不确定性和从根本上质疑研究路径。