Báo cáo OpenAI: Các agent lập trình AI có thể tăng tốc phần mềm nghiên cứu khoa học nhưng không thể đánh giá tính chính xác khoa học

Tin tức TechFlow, ngày 01 tháng 8, báo cáo thực địa của OpenAI và các đối tác học thuật cho thấy, các tác nhân lập trình như Codex, Claude Code có thể tăng tốc phần mềm nghiên cứu khoa học cũ hơn 60 lần. RustQC giảm thời gian chạy từ 15 giờ 34 phút xuống còn 14 phút 54 giây, HelixForge nhanh hơn BamSurgeon 59.6 lần. Nhưng các tác nhân không thể đánh giá đáng tin cậy liệu kết quả có chính xác về mặt khoa học hay không, thường tự tin xuất ra code sai, cần con người xác định tiêu chuẩn kiểm thử và xác minh.