算法论文7

MLS - Bench评测：AI科研创新能力待提升

新智元2026-08-12

AI 摘要

新智元报道，MLS - Bench评测显示，前沿模型虽工程执行能力强，但科学发现能力弱，难以提出有效算法创新。当前AI科研不能只靠堆搜索，需独立提出推动AI前进的方法。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

ASI - Bench：测AI距自主科研有多远

ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。

作者的剪辑产品有了“外部研发部”——Agent。它每天研究新方法、用真实项目测试。作者三步搭建此“研发部”，让其自动查询、测试和汇报，自己负责最终决策，项目获取新方法不再只靠偶然。

开源AI基础设施公司Prime Intellect研究表明，借助多智能体Harness，让开源模型负责监控和实现，可让‘AI开发AI’更便宜、效果更好。实验中，Kimi K3搭配Harness逼近Opus 5。

当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。