AI智能体高估自身成果，距离自主科研仍有差距

发生了什么

Epoch AI与Anthropic各自独立开展研究，得出了相近的结论：当前的AI模型（包括GPT-5.6 Sol和Claude Fable 5）能够运行实验，但缺乏科学上的自我批判能力，也难以体现真正的创造性思维。据The Decoder报道，研究认为AI智能体常常高估自身成果，距离自主开展科研仍有较大差距。

在相关测试中，Sol的最佳表现仅达到人类参考分数的15%，而且即便是这一成绩，所采用的方法也是研究人员早已熟知的。研究指出，模型最明显的短板仍是无法对自己的结果进行批判性审视。

重要意义

对企业和公共机构的领导者而言，这项研究说明，AI智能体在执行具体实验任务上已有进展，但若要将其用于研究、分析或决策流程，仍需要对结果的可靠性进行人工核验。判断AI输出是否可信，正逐渐成为数字化转型中的关键能力。

从服务与运营角度看，自信却未经验证的输出，可能在下游流程中被放大，进而影响客户与员工的决策质量。组织在部署AI时或许可以考虑，把验证环节纳入流程设计，而不是默认模型输出可以直接采用。

关键数据

• 15%：Sol在相关测试中的最佳成绩，占人类参考分数的比例
• 2家：独立开展研究并得出相近结论的机构数量（Epoch AI与Anthropic）

Renascence观点

多数读者会关注AI能否独立做科研，却容易忽略更关键的问题：模型能否判断自己做错了。

真正的风险不在于AI做不了实验，而在于它以笃定的口吻给出未经检验的结论。行为经济学中的过度自信偏差提醒我们，置信度并不等于正确率。因此，以客户为中心的组织应当把"质疑结果"设计为流程中的固定环节，而不是寄望于模型自我纠错。与其追问AI何时能自主科研，不如先问：我们的流程能否在它出错时及时发现。