当一篇论文说“AI Agent还不会做研究”，它到底测到了什么？
Fuente: 谢乾坤-青南 ·
最近我看到一项很有意思的实验。 研究者找来几个真实、并且还没有公开答案的AI研究课题，让Agent自己查资料、写代码、跑实验、分析结果。他们给了Agent几天时间和相当可观的算力预算，最后再让真正做过这些课题的研究者评价Agent的成果。 结果不太好。Agent没有产出达到论文标准的研究成果。 研究者还分析了大量运行日志，发现Agent有不少问题：一次实验结果不好，它就过早放弃整个方向；不会合理分配预算；Reviewer已经指出关键问题，它还是沿着原来的路线修修补补；遇到死路时，也不知道回退、修改假设、重新设计实验。 这些现象我都相信，而且非常值得研究。 但如果根据这项实验，直接得出“AI Agent现在还不会做开放式研究”，我会非常谨慎。 因为这种实验最终测到的，从来都不只是AI的研究能力。基础模型、Agent框架、工具、实验设计、操作者水平和人类对照组，全都混在最终结果里面。只要其中一个变量没有控制好，结论就很容易超出证据能够覆盖的范围。
Preguntas frecuentes
¿Qué es 当一篇论文说“AI Agent还不会做研究”，它到底测到了什么？?
当一篇论文说“AI Agent还不会做研究”，它到底测到了什么？ is a artículo discovery curated from 谢乾坤-青南. 最近我看到一项很有意思的实验。 研究者找来几个真实、并且还没有公开答案的AI研究课题，让Agent自己查资料、写代码、跑实验、分析结果。他们给了Agent几天时间和相当可观的算力预算，最后再让真正做过这些课题的研究者评价Agent的成果。 结果不太好。Agent没有产出达到论文标准的研究成果。 研究者还分析了大量运行日志，发现Agent有不少问题：一次实验结
¿Cómo puedo acceder o experimentarlo?
You can experience this content directly on its original host (谢乾坤-青南) by clicking the "Open Original" button.
¿De dónde proviene este contenido?
Curated from 谢乾坤-青南 by the OnSuggest team to surface the most interesting and serendipitous content on the web.
Más como esto
Todas las recomendaciones de Tecnología →[分享创造] 做了一个按月整理相册的 iPhone App：滑动取舍照片，也能先看大视频
大家好，我是 Photo Cleaner: Swipe Sorter 的开发者。想在这里介绍一下这个相册整理工具，也听听大家平时怎么处理越积越多的照片。 它的主要流程是先选一个月份，再逐张滑动保留照片或标记删除，把整理范围缩小到一个月。遇到相似照片，可以放在一起比较；视频可以按文件大小排序，先检查占空间较大的文件，再决定是否批量删除。最终删哪些内容由你选择。 我想了解的是：按月分批整理是否更容易坚持？还是你更希望优先处理相似照片和大视频？如果试用时遇到不顺手的地方，也欢迎直接指出。 支持 iPhone / iPad ，需要 iOS / iPadOS 26 或更高版本。免费下载，包含付费内购，美区价格为每月 $0.99 、每年 $3.99 ，或 $6.99 永久解锁；不是所有功能都免费。其他地区的价格及可下载情况以对应 App Store 为准。 美区 App Store： https://apps.apple.com/us/app/id6754751345 文案由 AI 辅助整理。
[Apple] 现在入手 M6 MacBook Pro 还是等几个月后的 M7 版？
其实现在以旧换新的价格我已经能接受，但是据说 M7 版本要换模具了，重量轻半斤，还会上信仰灯和灵动岛！ 然后查了最新消息，大概是明年上半年会发布，我有点想等等了，大家怎么看？
[分享创造] 做了一个开源的 YouTube 桌面客户端 Lumtub：原生播放，推荐在本地跑，支持 Windows / Linux / macOS
Lumtub：免费开源的 YouTube 桌面客户端 大家好！分享一个我做的开源软件 Lumtub 。它是一个 YouTube 桌面客户端，支持 Windows、macOS 和 Linux， 免费、没有付费版，基于 GPL-3.0 完全开源 。 🎞️ 一分钟宣传片 ： https://github.com/0x696c757a696f/lumtub/raw/main/docs/promo/promo-en.mp4 为什么做它 我每天在 YouTube 上看很多视频，但有三件事一直让我不舒服： 浏览器播放 4K 视频时风扇狂转 ； 首页推荐越看越窄 ，而且不知道为什么会推荐这些； 看外语视频时 ，为了双语字幕得装一堆浏览器扩展。 所以我做了 Lumtub： 不用浏览器内核，改用 mpv 原生播放，推荐算法完全在你自己的电脑上运行。 核心特性 播放 原生 mpv 播放 ：最高 8K，自动选择电脑能硬解的编码（H.264 / VP9 / AV1），画质按钮直接标出 1080P60 这样的帧率。 播放控制 ：迷你播放器、画中画、关灯模式、A-B 循环、倍速、逐帧和一键截图。 高画质直播 ：直播支持 1080p 以上画质，直播聊天和聊天回放 可以显示成弹幕 。 投屏 ：投到电视（Chromecast / DLNA），最高 4K，可选 8K。 内置下载 ：下载完成后可以直接在应用里播放。 推
[程序员] 刚刷到的，很好奇他到底给这家公司发了啥🤣
程序员 - @MagicCoder - ![6e048b3d1691e25e1ba181311709fe37]( https://resource.kaisir.cn/uploads/MarkDownImg/20261107/Q26Lro.
[天黑以后] 20261107 午夜俱乐部
又失眠了，这次因为一只蚊子，开了蚊香也没用，抓也抓不到。这周失眠了好几次，每次都是到三点多才睡，白天又是生物钟九点前就醒。不喜欢睡不着导致整个人白天没什么精神，加上每次睡不着脑子又有不好的想法。
[Claude] Claude 安卓 App 无法登录。
我用的 BlueStack 模拟器，大概 10 月底开始，就无法登录了，提示 Could not be verified 。 好像是某种 play 商店的保护机制过不去。怎么办？