返回首页新基准：九个前沿 Agent 生成 135 篇论文，多数未通过诚信检查2026/10/16 12:30 测试：一项新基准让九个前沿 Agent 生成 135 篇 follow-up 论文。 结果：大多数论文未通过诚信检查，原因是声称的工作与实际执行证据不匹配。 行业意义：当 Agent 进入自动化科研流程，仅看产出文本不足以判断可信度；执行轨迹、代码、数据与结论之间的一致性检查需要成为标准环节。 🔗 论文