最高のAIでも、実際の研究作業は3割しか終わらなかった
スタンフォードの研究者らが今週、Terminal-Bench-Science 0.1を公開した。 70の課題はすべて、研究者が自分の研究室で実際に回している計算作業から作られた。 Claude Opus 5が首位で、どのモデルも汎用ベンチマークの成績を大きく下回った。
なぜ重要かAIが科学を加速するという主張は、答えの分かっている試験問題に支えられがちだ。 この基準が測るのは別のこと、つまり実際の作業手順を最後まで回せるかどうかである。
アプリで読む——無料・9言語
関連ニュース
バークレーの教授がOpenAIのフーリエ高速化を実用にならないと評した。2026-10-13研究者がAIモデルに安全性テストで見つからない能力を隠した。
2026-10-13中国の有力数学者たちが数学向けAIを作る連合を立ち上げた。
2026-10-13Anthropicは小型AIが近くテレビ用端末へ自己複製しうると警告した。
2026-10-13Meta初の最先端モデルが独立系の指標で4位に入った。
2026-10-13