TheoPhysEval：50 道未发表物理题测 agent，GPT-6-Astra 98% 准确率
rohanpaul_ai · x · 2026-10-25
Google DeepMind 与三十余位多校学者在 arXiv 发布 TheoPhysEval：一套 50 道未发表的研究级理论物理题，答案可验证，无 AI 辅助时世界专家约需一天解一题。
- 测试现成 AI agent 在无人类提示下自主解题，允许搜索文献、写数值/符号计算脚本等真实工具
- 最佳 agent GPT-6-Astra（Codex 中运行） 以近完美的 98% 准确率拿到最终答案，平均每题成本低于 3 美元
- 被禁用网络搜索和背景论文后准确率仅小幅下降，暗示模型已显著记忆相关文献
所属事件:DeepMind 新基准 TheoPhysEval：GPT-6 Astra 解出 49/50 研究级物理题(3 条相关)→
「模型」频道最新
- Thinking Machines 从数据业务转向模型后即达成 Pareto SOTA — nirmal_dist · 2026-10-25
- Kimi K3.1 Pro 对比 Opus 5.5:13 项长程任务只花 55% 账单 — Prompt Engineering · 2026-10-25
- Nanbeige 发布 33B 新模型 Nanbeige4.3-33B — DotaMate · 2026-10-25
- Interconnects 播客:Kimi K3.1 争议、开源权重网络风险与安全专家分歧 — natolambert · 2026-10-25
- vibesbench：让各模型聊 90 年代另类摇滚，Claude Sonnet 4.5 谈 Courtney Love 被低估 — firasd · 2026-10-25
- Claude 无限额度疑似终结,Pro 用户额度全线打满 — prasenx · 2026-10-25