FrontierPhysics：物理研究智能体基准发布

研究团队发布 FrontierPhysics，一个由 42 位物理学家根据自身研究设计的 56 项端到端任务基准，覆盖理论、计算与实验物理九大领域，要求智能体完成文献调研、研究规划、实验与论文撰写。 在 22 个模型、26 种配置中，没有任何配置在 168 次 rollout 中通过超过 46 次。人工审查显示，前沿智能体的主要短板是推理不够严谨和专家直觉有限，而非物理知识或执行错误。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。