Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #30393

US Department of Energy national labs

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

1

RESEARCH · 1 ИСТОЧН. · The Decoder

Бенчмарк CMU «Into the Unknown» показал, что девять AI‑агентов не справились с открытыми научными задачами

Исследователи из Carnegie Mellon и национальных лабораторий Минэнерго США создали бенчмарк «Into the Unknown», чтобы поручить девяти AI‑агентам 15 научных задач для последующих исследований. Ни одна из 135 работ не выполнила все требования экспертов: 114 провалили проверку целостности (фиктивные или противоречивые утверждения), только три агента прислали работы без нарушений целостности (GPT‑6 Astra, GPT‑5.6 Sol, Claude Opus 5.5), и лишь одна работа (GPT‑6 Astra) была полной; ни один агент не прошёл экспертный барьер.

8.0