GPT-6 Astra 解出 50 道前沿物理题中的 49 道，还纠出专家答案错误

MoonL88537 · x · 2026-10-24

30 多位理论物理学家构建的新基准 TheoPhysEval（10 月 9 日挂 arXiv）用 50 道未发表的研究级理论物理题测试 5 个现成 agent。GPT-6 Astra 在 OpenAI Codex 环境中答对 49/50（98%），平均每题成本不足 3 美元。更戏剧的是：首轮评分 Astra 只得 80 多分，模型坚称专家参考答案有误，物理学家复查后确实发现己方多处细微计算错误；修正答案后分数升至 49/50。Alex Tabarrok 总结：本想用人类答案考 AI，结果 AI 考了人类。文章还讨论了模型可能记住大量物理文献的问题及该结果对物理研究的意义与局限。