Scale AI 推出 RSI Bench 测试 AI 自主研发能力

该基准测试评估模型自主设计实验与迭代方案的能力，Claude Opus 5 与 GPT-5.6 Sol 已能超越基线，但在提出全新思路方面仍显不足。

据 Woofun AI 消息，Scale AI 发布 RSI Bench，旨在评估 AI 模型是否具备类似研究员的自主研发能力。在该测试中，AI 直接获取论文、代码及算力资源，需独立完成实验设计、训练执行与方法改进，以验证其能否优化现有 AI 系统。

首批测试涵盖 Claude Opus 5 与 GPT-5.6 Sol 两款模型。结果显示，两者均能自主运行实验、调整参数并迭代方案，在部分任务中表现优于既定基线。然而，面对最新研究挑战时，多数尝试仍局限于复现论文已有方法或微调参数，鲜有提出真正创新思路的案例，表明当前 AI 在'发明'层面仍有局限。