LLM能挽救表型却常误判故障原因，即使已获得决定性证据。
资讯摘要
论文在受控合成调控系统中研究科学智能体的推理失败模式：智能体需通过实验找出隐藏故障并挽救表型。作者报告，七个LLM均更常恢复健康表型而非识别故障，Claude Opus 4.6与Sonnet 4.6虽能挽救全部个体，却仅分别诊断出55%和35%。失败并非源于探索不足或证据缺失，91%的相关会话中智能体已遇到可区分竞争原因的证据，但仍常误诊。
要点速读
- 论文在受控合成调控系统中测试七个LLM，要求其通过实验识别隐藏故障并挽救表型。
- Claude Opus 4.6和Sonnet 4.6能挽救全部个体，但仅分别诊断出55%和35%的故障。
- 91%的相关会话中智能体已遇到可区分竞争原因的证据，仍频繁误诊；探针显示模型难以预测各竞争原因下的实验结果。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。