论文提出“影子评估”方法：让前沿 AI 智能体在六天和数千美元算力预算内，独立处理两篇未发表 NeurIPS 2026 论文的核心开放式研究问题，再由原作者评分。智能体完成了全部工程工作，却未能实质推进问题解答，暴露出研究判断、创新修正、回溯、资源意识和指令漂移五类失败模式。
最近 24 小时暂无可用热度快照。