TheoPhysEval 基准：AI 智能体近乎全解 50 道研究级理论物理题
热点事件持续更新
TheoPhysEval 基准：AI 智能体近乎全解 50 道研究级理论物理题
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
一篇论文提出名为 TheoPhysEval 的基准，用 50 道带可验证答案、未发表的研究级理论物理题，测试现成 AI 智能体在无人工提示下自主解题。表现最强的 GPT-6-Astra（运行于 Codex）在可搜索文献和编写脚本的条件下达到 98% 准确率，平均每题成本低于 3 美元；论文称这类题无 AI 辅助时世界级专家通常需要约一天以内才能解出。 作者测试发现，关闭网络搜索与背景论文后准确率变化很小，作者认为这提示模型对文献存在显著记忆化。论文还讨论了智能体解题能力突出却未带来理论物理突破的可能原因。
AI 根据报道生成 · 1 小时前更新
最新进展11月14日 13:00
TheoPhysEval 用 50 道研究级理论物理题评测 AI 智能体自主解题能力报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AI精选TheoPhysEval 用 50 道研究级理论物理题评测 AI 智能体自主解题能力
TheoPhysEval 论文提出 50 道带可验证答案的未发表研究级理论物理题，测试现成 AI 智能体在无人工提示下自主解题。最强的 GPT-6-Astra（Codex 中）在可搜索文献和写脚本条件下达到 98% 准确率，平均每题成本低于 3 美元；关闭网络搜索与背景论文后准确率变化很小，作者认为这提示对文献的显著记忆化，并讨论了智能体解题能力突出却未带来理论物理突破的可能原因。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。