YC 创业公司 Synthetic Sciences 发布 FrontierML 基准,评测 AI 智能体在自主实证 ML 研究上的能力,作者称测试的 5 个前沿模型无一在其 25 个开放式问题上达到强结果线。每个任务中目标被隐藏,智能体在 Lab0 获得 12 小时和 H100 GPU,需自行设计进度代理并校准其可信度,最终提交的模型或方法在 held-out 评估上打分。