arXiv 论文 TheoPhysEval:GPT-6 Astra 自主解研究级物理题准确率达 98%
alex_verem · x · 2026-10-16
arXiv 论文《TheoPhysEval: Assessing AI agents at autonomous theoretical physics problem solving》由 34 位作者发布,提出 50 道带可验证答案的未发表研究级理论物理题。
在无人类提示、可联网检索并自写数值/符号计算脚本的现实设置下,最佳 agent GPT-6-Astra(Codex 中)以 98% 的近满分准确率给出最终答案,平均每题成本不到 3 美元。而一题通常需世界专家约一天或更短时间完成,相邻领域专家则需更久。
论文还指出:禁止联网搜索文献后各 agent 准确率仅小幅下降,暗示模型对物理文献存在大量记忆。作者认为前沿 agent 已能准确完成理论物理研究的具体计算,并讨论了为何 agent 能力突出却尚未带来突破性发现的可能原因。
所属事件:TheoPhysEval:GPT-6 Astra 解 49/50 未发表物理题并纠正专家错误(16 条相关)→
「模型」频道最新
- Meta 开源 Muse Spark Open:816B 参数,两台 Mac Studio 可跑 — AIatMeta · 2026-10-16
- NVIDIA 开源 Nemotron 3.5 Super VL:120B 参数、12B 激活 — yoavartzi · 2026-10-16
- Alexandr Wang 称 Muse Spark Open 为美国最强开源权重模型 — alexandr_wang · 2026-10-16
- 微软发布 MAI-Base-2:2.8 万亿参数 MoE,预训练效率超 DeepSeek 数倍 — ChengleiSi · 2026-10-16
- Pro 用户抱怨用不上 Gemini 4 Argon：Antigravity 也「几乎不可用」 — realmeetjames · 2026-10-16
- 小型分类器横评：Vega 可跑在 CPU 与浏览器，M5 上 75ms — alexcovo_eth · 2026-10-16