對來自美國能源部實驗室的15個未發表科學研究方向上的前沿AI代理（GPT-6、Claude Opus 5.5、DeepSeek-V4）進行全面評估。在135份提交中，沒有一份通過完整性、充分性和足夠性的所有審查——揭示了自我驗證方面的系統性弱點...

#AI評測 #科學AI #研究自動化