代码榜刷满分，AI科研却撞墙？140道真实研究题撕开「自进化」真相

AI已经能写代码、跑实验，甚至靠海量试错刷新部分人类纪录。 但当目标从「把一个分数继续刷高」，变成「提出一种真正更好的机器学习方法」，最强模型还能走多远？ 一项覆盖12个领域、140个真实研究任务的新工作MLS-Bench给出了并不乐观的答案。 即使拿到 ...