TheoPhysEval基准测试AI智能体解物理题

研究团队发布TheoPhysEval理论物理研究问题基准，让商用AI智能体在无人类提示下解题。运行在OpenAI Codex环境中的GPT-6-Astra答对50道题中的49道（98%），平均每题成本不到3美元，整轮约116美元。 每个智能体测试两次：一次带网络搜索的真实条件，一次无网络的隔离条件。测试题目与设置已在Hugging Face公开，可供下载核验。 研究团队称，当前题目解题成本仍低，但对更难的题目，预计资源需求会大幅上升。

AI 根据报道生成 · 20 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。