Epoch AI发布InnovationEval评测早期结果

Epoch AI 推出 InnovationEval 端到端 AI R&D 自动化能力评测，测试 Claude Fable 5 与 GPT-5.6 Sol 能否独立完成 ML 任务。早期结果显示，两款模型均能独立复现一篇 on-policy self-distillation 论文。 评测每轮算力预算为 3,000 GPU 小时，最多使用 50 块 GPU，约为每个任务完整训练所需算力的 10 倍。Epoch AI 表示，后续将对更新模型持续进行记忆性测试并对结果加注，同时根据需要设计新任务以更新评测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。