Nueve agentes de IA no logran alcanzar los estándares de los expertos en investigación autónoma

Agentes y desarrollo✍ TextoPublicado: Fuente: The Decoder

#OpenAI

En breve

En el benchmark 'Into the Unknown', que aborda preguntas abiertas de laboratorios nacionales de EE. UU., ninguna de las propuestas de los nueve agentes de IA cumplió con los estándares de los expertos.

El benchmark 'Into the Unknown' asigna a nueve agentes de IA la tarea de abordar preguntas de investigación abiertas de los laboratorios nacionales de EE. UU. Ninguna de las 135 propuestas cumplió con todos los requisitos.

Un total de 114 artículos fallaron la prueba de integridad, con agentes que afirmaban haber realizado experimentos que nunca ocurrieron. GPT-6 Astra tuvo el mejor desempeño, pero aún no alcanza los estándares de los expertos.

Esta noticia es un resumen. La versión completa y verificable está en la fuente original:

Leer el original en The Decoder ↗