據CryptoSlate報道，Science Prediction Universe研究預印本測試了覆蓋12個模型的13種智能體配置。在100項公開實驗排序任務中，可用已評分預測之間的平均斯皮爾曼秩相關係數為0.52，與實測結果的平均相關係數為0.33。合併排序後，73項任務的結果優於平均提交結果，但共同錯誤仍可能保留。上述相關係數不是答題正確率；各配置覆蓋任務不一，研究也未設置人類預測基線，不能據此推斷所有模型或科學預測場景的表現。