戳破AI for Science幻象，"深度原理"为AI科学能力立下新标尺

本文背景是AI for Science领域快速发展，但现有AI模型评测多基于传统选择题，难以反映真实科研能力。研究目的是通过深度原理团队提出的科学发现评估（SDE）体系，对GPT-5等顶级大模型进行实战化评测，检验其在完整科研流程中的表现。结论显示，模型在SDE中平均分大幅低于传统考试，尤其在硬核问题上表现不佳，表明当前大模型存在“高分低能”现象，技术路径存在天花板；同时，OpenAI的类似评测也印证了这一点，标志着领域需重新审视方向，未来应发展垂直专业AI工具，并革新训练方式以注入科学思维。