Epoch AI 发布 InnovationEval 早期评测结果

2026年10月10日，Epoch AI 发布 InnovationEval 的早期评测结果。该评测旨在衡量 AI 独立发现可与人类研究者所开发方法相媲美的新机器学习技术的能力：让 AI 智能体在无网络环境中自主提出并实现一种后训练新方法，目标是追平人类论文 on-policy self-distillation（SDPO）在短答题与编码任务上的提升。据 Epoch AI 说明，每次评测的计算预算为 3,000 GPU 小时、最多使用 50 块 GPU，约为每个单项任务完整训练所需算力的 10 倍；推理预算设为 100 亿 token（输入、输出与推理之和），该上限参照其此前大规模基准设定。智能体被沙箱隔离以阻止互联网访问，Epoch AI 假设其对后训练技术的了解足够新，已熟悉相关既有工作。Epoch AI 还表示计划定期对新模型重跑类似评测，但需更新任务，因为新模型可能记住原始创新的细节。

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。