TasteVal：评估 AI 在 AI 研究任务中的实验研究品味

TasteVal 是一个用于评估 AI 模型在 AI 研究任务中实验设计能力的基准，其核心指标是实验计算效率。自 2025 年 12 月起，前沿模型的实验研究品味每 3.0 个月翻倍（95% 置信区间 1.7-5.0 个月）。Opus 5.5 在实验计算效率上达到人类专家的 2.30 倍（95% 置信区间 1.15-4.37 倍），且单次尝试成本仅为人类专家的 1/30。