[AI]《Into the Unknown: Benchmarking AI agents on open scientific research problems》S Kim, J Geng, Y Lee, B Liu… [CMU & University of Minnesota] (2026)

在AI评估领域，量化开放探索能力是一个悬而未决的难题。过去的方法受困于复现文献或模型互评，本质原因是前沿探索本无标准答案供参照。

本文的核心洞见是：把无界科研重新看作守底线的契约执行。由此，将专家私藏思路转为非黑即白的核查清单这一关键操作使问题得以解开。

这项工作真正留下的遗产是立足真实意图的测试床。它为后来者打开的新门是无答案时亦能评判AI，但尚未跨过的门槛是现有模型因自我放水全军覆没。

arxiv.org/abs/2610.19159 #机器学习# #人工智能# #论文# #AI创造营#