RecodeX 重构消息，一项研究显示，对多个AI智能体在73项公开任务上的排名取平均后，评分有所提升，且不同排名之间的一致性很高。但在其中一项肿瘤学任务上，这种高度一致并未带来与实验室结果的良好匹配。研究指出，排名结果彼此吻合并不能保证其与真实实验结论一致。