自主 AI 研究仍不可及，反驳 OpenAI 与 Anthropic

**Princeton 与英国 AI 安全研究院**的一项研究，用名为 Shadow Evaluation 的新方法测试了 Claude Opus 4.8 与 GPT-5.6 Sol 的自主科研能力。

研究者将两篇未公开的 NeurIPS 2026 投稿的核心问题交给 AI,再由花了数月的原作者以会议审稿标准评审。结果两篇论文全部被拒，一篇为 Reject,另一篇为 Strong Reject。

💡 为什么值得看Princeton 与英国 AI 安全研究院的 Shadow Evaluation 实验显示，前沿模型工程做得好，但研究判断力远未达标。