本文提出影子评估(shadow evaluation)方法,通过让AI代理尝试解决未发表论文的核心研究问题并由原作作者评分,评估了AI代理进行开放式AI研究的能力。结果表明代理能完成工程但无法取得实质性研究进展,被作者拒绝,并识别了五个失败模式。
机构:Princeton
来源:arXiv 2607.27191 | AI4Papers 论文推荐平台