17 款顶尖 AI Agent 参与量子工程测试 多数表现不佳差距悬殊

当下 AI Agent 已开始接入真实量子硬件操作场景，但仅靠单次正确结果不足以支撑其可靠运行，幻觉可能引发严重物理损失。针对这一痛点，相关团队提出验证自治概念，搭建带真实物理动态反馈的虚拟量子实验室 Quantum-Harbor，配套覆盖多维度量子工程任务的 QIQCBench 评测集，采用全新的证据绑定评分机制，核查 AI 结论的证据支撑性、资源使用合理性与结果物理鲁棒性。团队对 17 个主流顶尖 AI Agent 开展压力测试，结果显示不同模型表现差距极大，多数模型在资源约束、未知物理场景推断等场景下暴露诸多不可靠问题，仅头部模型展现出自主量子工程的可行性。目前相关虚拟实验环境与评测套件已开放，同步启动相关挑战赛，推动 AI 在精密科学领域的自主能力进一步进化。