FrontierPhysics端到端物理研究基准发布

研究者在 arXiv 发布 FrontierPhysics 基准：由 42 位物理学家基于各自研究设计的 56 个端到端物理研究任务，覆盖理论、计算与实验物理九个领域。任务要求智能体检索文献、制定研究计划、开展研究实验，并产出结构化输出与科学手稿，结合确定性验证器与专家评分规则评估研究是否正确且可发表。 初步评测显示，在 22 个模型的 26 种配置中，没有任何配置在其 168 次尝试中通过超过 46 个任务。

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。