ICML 2026 Oral论文CausalGame公布了一项颇为残酷的评测结果：30款当前最顶尖的大语言模型智能体，在面对因果推理任务时，全部折戟。

没有一款模型通过测试。研究团队据此指出，哪怕是大众眼中能力超群的LLM，在科学发现所必需的因果推断能力上，依然近乎空白。

打开网易新闻 查看精彩图片

这也说明，被频繁提及的“AI科学家”离真正意义上能够自主完成科学发现，仍有不小的距离。