PhysClosureBench：50项物理任务测AI科研闭环能力
热点事件观察中
PhysClosureBench：50项物理任务测AI科研闭环能力
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yijia Mao等作者发布PhysClosureBench基准，用50项专家核验、目标明确的强场与阿秒物理等研究任务，评估AI智能体能否自主组织调查并以充分证据解决研究问题，并提出20项标准的Atomic Score衡量局部科研完成度、RC0–RC4评级衡量研究闭环完整度。在七个前沿大语言模型各三次评测中，Claude-Opus-5平均Atomic Score最高，为6.29/10，但仅32.7%的尝试达到RC4；总体上，36.2%的尝试虽达到至少8/10的得分，仍未完成研究闭环。该基准显示前沿模型在局部任务表现与研究问题完整解决之间存在明显差距。
AI 根据报道生成 · 1 天前更新
最新进展10月16日 12:00
PhysClosureBench：评估AI智能体完成物理学研究闭环的能力报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIPhysClosureBench：评估AI智能体完成物理学研究闭环的能力
研究团队提出PhysClosureBench，用50项专家核验、目标明确的强场与阿秒物理等研究任务，评估AI智能体能否组织调查并以充分证据解决研究问题。在七个前沿大语言模型的三次评测中，Claude-Opus-5平均Atomic Score最高，为6.29/10，但仅32.7%的尝试达到RC4；总体上，36.2%达到至少8/10的尝试仍未完成研究闭环。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月16日 15:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月17日06:0012:00
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。