Forskare publicerade benchmarktestet Into the Unknown den 15 Oct 2026. En AI-agent får en vetenskaplig artikel och en forskningsinriktning från ett laboratorium inom DOE och ska skriva ett utkast till en uppföljande artikel. Nio ledande AI-agenter tog fram 15 utkast var inom områden som kvantdatorer och materialvetenskap. Ingen uppfyllde alla forskarnas villkor, och 114 utkast underkändes i en integritetskontroll på grund av motstridiga påståenden eller data. Koden och data är fritt tillgängliga för andra.
Varför det spelar roll
Testet visar att dagens AI-agenter kan ta fram trovärdiga forskningsutkast, men ännu inte lever upp till vetenskapliga standarder. Det belyser hur mycket verktygen behöver utvecklas.
