RECLAIM：智能体能否复现机器学习论文结论
原文标题：RECLAIM: Can Agents Reproduce the Claims of Machine Learning Papers?
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。
论文推出 RECLAIM 基准，包含 100 篇 NeurIPS 2025 论文，可每年从新会议重建。每篇论文预先固定待复现结果、成功标准与 GPU 小时预算，按作者公开物分为 Run、Retrain、Reimplement 三个难度层级，由独立语言模型依据日志与输出评分。四个智能体各跑一遍，最佳成绩仅为 Run 层 41%、Retrain 层 27%、Reimplement 层 15%，最常见错误是未对照论文数值验证方法。
- 问题
- AI 智能体能否真正复现机器学习论文的实验结论，缺乏可重建的评测标准。
- 方法
- RECLAIM 基准含 100 篇 NeurIPS 2025 论文，预先固定复现目标、成功标准与 GPU 预算，按作者公开物分 Run/Retrain/Reimplement 三层，由独立模型评分。
- 结果
- 最佳智能体仅复现 Run 层 41%、Retrain 层 27%、Reimplement 层 15%，400 次运行中 63 次最常见错误是未对照论文数值验证方法。
- 影响
- 做科研智能体或自动实验的团队可用它定位瓶颈：智能体缺的是对照论文数值的验证习惯。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RECLAIM用100篇NeurIPS 2025论文测复现，最佳智能体仅复现Run层41%。
- •基准含100篇NeurIPS 2025论文，可每年从新会议重建
- •按作者公开物分Run、Retrain、Reimplement三层，难度递增
- •四个智能体各跑一遍，最佳成绩为41%、27%、15%
- •失败尝试平均只用29%预算，多数在预算未耗尽时停止
- •最常见错误是未对照论文数值验证方法，400次运行中占63次
为什么重要：把「智能体能否复现论文」变成可量化、可年度更新的基准，为自动化科研能力给出当前上限参考。
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。