据CryptoSlate报道，Science Prediction Universe研究预印本测试了覆盖12个模型的13种智能体配置。在100项公开实验排序任务中，可用已评分预测之间的平均斯皮尔曼秩相关系数为0.52，与实测结果的平均相关系数为0.33。合并排序后，73项任务的结果优于平均提交结果，但共同错误仍可能保留。上述相关系数不是答题正确率；各配置覆盖任务不一，研究也未设置人类预测基线，不能据此推断所有模型或科学预测场景的表现。