AI 物理基准 CritPt v2 发布：GPT-6 Astra 以 83.1% 登顶

OfirPress · x · 2026-10-22

经过 4 个月专家评审，研究物理推理的基准 CritPt 发布 v2 版本，共修订 47 道题：5 处题干错误更正（数字错误、自相矛盾约束）、19 处针对题目欠规范的修订（缺少约定导致答案有歧义）、16 处评分器修复（评分不稳定、容错范围过紧）、7 处纯措辞优化，另修若干拼写语法问题。在新版上 GPT-6 Astra 以 5 次平均 83.1% 的准确率领先。v1 由社区反馈发现的问题得到系统性修复，基准质量显著提升。