对前沿AI智能体（GPT-6、Claude Opus 5.5、DeepSeek-V4）在15个来自美国能源部实验室未发表科学研究方向上的全面评估。135个提交中没有一个通过了所有完整性、全面性和充分性审查——揭示了自我验证中的系统性弱点...

#AI基准测试 #科学AI #研究自动化