研究团队发布理论物理解题基准 TheoPhysEval

1. 13:00
   arXiv cs.AI

   TheoPhysEval：评估 AI 智能体自主解决理论物理问题的能力

   研究团队发布 TheoPhysEval，包含 50 道未发表、答案可验证的研究级理论物理问题，用于测试 AI 智能体在无人类提示下自主解题的能力。在可检索文献并编写数值与符号脚本的条件下，表现最好的 GPT-6-Astra（运行于 Codex）准确率达 98%，平均每题成本低于 3 美元。禁用网络搜索和背景论文后，各智能体准确率仅有小幅变化，作者认为这提示模型对文献存在显著记忆。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。