50 道前沿理论物理题 AI 答对 98%，GPT-6-Astra 单题成本不到 3 美元
RexDouglass · x · 2026-10-15
理论物理学家 Suvrat Raju 等人发布一套包含 50 道未发表的研究级理论物理问题的基准，每题均有可验证答案；无 AI 辅助时，世界专家解一道题通常需要约一天。
论文核心发现：
- 在真实工具环境（可搜索文献、编写数值/符号计算脚本）下，表现最好的 agent——Codex 中的 GPT-6-Astra——达到 98% 的近乎全对准确率，平均每题成本不到 3 美元。
- 即使切断网络搜索和背景论文访问，agent 准确率变化也很小，说明模型对文献有显著的记忆。
- 作者认为这表明前沿 agent 已能准确完成理论物理研究中的具体计算，并讨论了为什么尽管解题能力突出，agent 至今仍少有真正的物理学突破。
作者自述这些结果令人难以入睡；物理学家 mhartl 转发时感叹「每题不到 3 美元」。
所属事件:GPT-6 Astra 破解 49/50 未发表物理题，纠出专家计算错误(8 条相关)→
「模型」频道最新
- 网友实测:Opus 一次性生成动画效果惊艳 — shekitup · 2026-10-15
- 对评测有直觉就动手建,模型反应却完全反直觉 — infoxiao · 2026-10-15
- repligate 晒 Sonnet 3 创作赛博朋克小说,盛赞其文学水准惊人 — repligate · 2026-10-15
- DeepSeek 宕机引猜想：社区预测周四发布新「巨鲸」模型 — teortaxesTex · 2026-10-15
- Tinker 推出 LoRA 微调新优化器 Dimuon,SFT 收敛快于 AdamW — simonguozirui · 2026-10-15
- DeepSeek 网页与 API 疑似集体宕机，截图显示服务暂不可用 — vista8 · 2026-10-15