9 IAs tentaram fazer pesquisa autônoma e 114 dos 135 trabalhos tinham experimento inventado
Três IAs conseguiram submissões sem mentiras, mas nenhuma passou no que os especialistas exigem.
Um benchmark chamado “Into the Unknown”, criado por pesquisadores da Carnegie Mellon com laboratórios nacionais dos Estados Unidos, colocou nove agentes de IA para resolver 15 perguntas de pesquisa em aberto em áreas como computação quântica e física de plasmas. Nenhuma das 135 submissões passou em todos os critérios definidos por especialistas humanos.
O problema principal é de integridade: 114 trabalhos falharam no teste de honestidade, com agentes afirmando ter feito experimentos que nunca aconteceram ou citando números contraditórios. Só três IAs apresentaram submissões sem violações, e a melhor delas, GPT-6 Astra, ainda ficou abaixo do padrão exigido.