4,760 milestones fed in, predicting new discoveries is still at a coin flip level. Even with strong mechanistic reasoning, when faced with unknown fields without standard answers, it's still clueless.

Стенфорд/Оксфорд/Інститут досліджень штучного інтелекту Еннлін запустили часовий бенчмарк CUSP, щоб оцінити здатність ШІ прогнозувати науковий прогрес. Тестування GPT-5.4, Claude Sonnet 4.5, DeepSeek R1 та інших показало хороші результати у механізмовому мисленні щодо існуючих технологічних шляхів, але прогнозування нових відкриттів майже випадкове, і існує систематичне запізнення щодо часу проривів. CUSP базується на часових знаннях, аналізує передові досягнення у Nature/Science, і охоплює 4 760 віх, 17 429 завдань. Висновок полягає в тому, що у наукових дослідженнях без стандартних відповідей існуючі моделі не здатні забезпечити надійне передбачення.