已收录文章摘要，完整内容可前往原文阅读。
AutoResearch 最难的一关开始出现：模型能把验证分数做高，但能不能把同样的进步带到未知数据？AI 自己做科研之后，也开始学会「刷榜」了。Bespoke Labs 最新发布的 AutoRese