Epoch AI 推出 InnovationEval 基准，测试 AI 能否做出后训练创新

Epoch AI 构建了 InnovationEval 基准，用于检验 AI 智能体能否做出与近期已发表进展同等量级的 post-training 创新。该基准衡量的是 AI 产出创新结果的幅度，而非仅仅复现论文。目前测试结果显示，各智能体的表现仍不理想，与人类研究者已发表的成果存在明显差距。这为评估自动化 AI 研究的实际进展提供了一个可量化的标尺。