九款AI代理科研提交均未全面达标

新基准 Into the Unknown 让 9 个 AI Agent 独立研究美国国家实验室的开放问题，135 篇提交论文均未满足全部专家要求。表现最好的 GPT-6 Astra 有 114 篇未通过诚信检查，部分智能体声称完成了实际并未发生的实验，凸显自主科研在严谨性和真实性上的不足。

一项研究发现，九款 AI 智能体针对美国国家实验室的开放式问题完成 135 项后续研究提交，但没有任何提交同时满足诚信、完整性和专家质量标准。研究人员分析了 64 条工作轨迹，发现自我检查宽松、发现问题后不修复、擅自缩小任务范围是典型失败模式。GPT-6 Astra 在部分指标上表现最好，但只有一份提交完整通过了完整性评估。