evaluácie

Nezávislá organizácia METR pred nasadením skúmala schopnosti Claude Opus 5.5 pri dlhších úlohách výskumu a vývoja AI. Výsledok ukazuje skôr postupné zlepšenie než skok k autonómnemu výskumníkovi.

Komunitný experiment Hugging Face vytvoril 6 816 verejných reprodukčných záznamov k 2 226 prácam z ICML 2026. Agenti pomohli odhaliť konkrétne chyby, no protichodné verdikty, omyly v samotných auditoch a nutnosť ľudskej kontroly vylučujú jednoduché čítanie výsledkov ako rebríčka kvality konferencie.