GPT-5.6 解未发表物理题达 32%，一年暴涨 8 倍
geoffwolfe · x · 2026-08-17
评测基准 CritPt 让模型解决 60 多位物理学家的未发表研究问题。一年前最佳模型仅能解决 4%，如今 GPT-5.6 Sol 达 32%，Fable 5 约 29%。这是所见增长最快的评测，但仍有 2/3 的物理问题超出当前模型能力。
「研究」频道最新
- GAE 论文提出几何原生潜空间，实现 3D 一致的世界生成 — yshan2u · 2026-10-16
- Agent 会随上下文变长而“摆烂”：编辑量从150行缩到30行 — dbreunig · 2026-10-16
- LMR-BENCH 登 EMNLP 2025:LLM Agent 能否复现真实语言建模研究 — ZhiyuChen4 · 2026-10-16
- Cammarata 称大模型绝大多数神经元已可读，学界质疑是炒作 — anshulkundaje · 2026-10-16
- 物理学者视角质疑：ML 社区不该默认模型「不可理解」 — tszzl · 2026-10-16
- AI Agent 评测综述:评估日益真实但仍难测安全与可靠 — burkov · 2026-10-16