Causal-Discovery-Bench 评测 LLM 智能体自主实验能力
原文标题：Causal Discovery Bench: Can LLMs Autonomously Conduct Effective Experiments?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者推出 Causal-Discovery-Bench，一个可验证沙箱，用可配置结构方程模型与资源约束评估 LLM 智能体的序贯实验设计与因果发现能力。基于 5 家厂商 13 个模型的 3802 个回合分析发现，94.5% 的错误源于实验设计而非推理，仅放宽资源约束无法解决失败，而基础统计工具能显著提升表现。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Causal-Discovery-Bench 评测 13 个模型 3802 回合，94.5% 错误出在实验设计而非推理。
- •可验证沙箱用可配置结构方程模型与资源约束评估序贯实验设计，剥离领域语义线索
- •覆盖 5 家厂商 13 个模型、3802 个回合，沿 7 大类 40 项指标分析智能体行为
- •性能呈四级难度层次：单次实验设计、序贯因果探索、资源感知实验、自主消解冲突证据
- •动作轨迹归因显示 94.5% 错误源于实验设计而非推理，消融实验进一步印证
- •仅放宽资源约束不能可靠解决序贯发现失败，基础统计工具反而显著提升表现
为什么重要：自主科研智能体的短板被定位在实验设计而非推理，意味着继续堆推理能力收益有限；对做 AI scientist / 自动化实验平台的团队，工具与实验设计策略是更优先的投入方向。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。