RecodeX 重构消息，Scale AI推出RSI Bench基准测试，专门评估AI能否像研究员一样自主进行AI研发。测试中，AI直接获取论文、代码和算力，自行设计实验、运行训练并调整方法，以检验能否改进现有AI模型。首批测试采用Claude Opus 5和GPT-5.6 Sol，两款模型已能自主跑实验、调参和迭代方案，部分任务表现超过基线。然而，AI在发明新方法上仍显不足，面对最新研究时，多数尝试局限于已有方法和参数调整，鲜有真正创新思路。