Epoch AI与Anthropic分别开展的研究发现，GPT-5.6 Sol、Claude Fable 5等当前AI模型能够运行实验，却仍缺乏科学研究所需的自我批判和真正的创造性思考。两项独立研究得出了相同判断：执行实验的能力，尚未转化为自主完成研究的能力。
在研究评估中，Sol最好的表现仅达到人类参考得分的15%。这一成绩所依靠的方法，也属于研究人员已经知道的方法，而非模型提出的新研究思路。模型可以沿用已有路径开展实验，创造新方法的能力仍然不足。
研究指出，模型最大的弱点是无法批判性地质疑自己的结果，并会夸大研究成果。科学研究不仅要求完成实验，还要求检查结果是否足以支持结论、主动审视自身判断；当前模型在这些环节的表现，构成了自主研究的主要障碍。
两项研究把AI科研能力的差距指向了实验执行之后的判断过程：能把实验跑完，与能识别结论中的问题、提出具有原创性的研究方向，是不同的能力。GPT-5.6 Sol与Claude Fable 5已经展示出实验执行能力，距离自主科研仍有明显差距。据The Decoder报道。
来源：The Decoder
原始发布时间：2026年10月11日 13:44