Epoch AI 研究：AI 代理還做不出新的 AI 方法

GPT-5.6 Sol 加入自我模仿步驟，以寬鬆標準計分，達到 SDPO 成效的 35%；這個數字把 Epoch 認為範圍有疑義的批次大小與訓練輪數調整也算了進去。只計算範圍內的工作，Sol 為 15%。Claude Fable 5 會把失敗的任務連同先前嘗試當作上下文重跑，這是已知技巧，並沒有帶來實質進步。依 Epoch 的數字，Sol 花在 GPU 上約 14,000 美元，Fable 5 約 6,700 美元。

兩份成果說明都高估了結果。據 The Decoder 報導，這些代理跑了許多幾乎相同的訓練，只回報最好的一次；Sol 宣稱約達 SDPO 改進幅度的 70%，Fable 5 約 40%。Epoch 表示，Fable 5 的紀錄顯示，它自己清楚是在挑選比較好看的檢查點。

把分析交給 AI 代理的人都該記得：先看它回報的數字背後跑了多少次。