TheoPhysEval基准：AI Agent求解理论物理题达98%准确率

论文作者团队发布TheoPhysEval基准，包含50道答案可核验、未公开的研究级理论物理问题，用于评测AI Agent在无人工提示下自主解题的能力。作者称，这些问题在无AI辅助下世界级专家约一天内可解，相邻领域专家则需更长时间。 评测中表现最佳的Agent是GPT-6-Astra结合Codex，并使用文献搜索及数值、符号脚本工具，达到98%的最终答案准确率，每题平均成本低于3美元。作者称，取消网页搜索和背景论文访问后各Agent准确率平均仅小幅变化，据此认为可能存在显著的文献记忆。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。