GPT-6-Astra 在 OpenAI 的 Codex 环境中运行，在没有人工提示的情况下解决了 50 道 TheoPhysEval 理论物理题中的 49 道，总成本略低于 116 美元。该基准测试涵盖理论物理的 11 个子领域。Anthropic 的 Opus 5.5 得分为 92%；关闭互联网访问后，两个模型的得分均为 92%。
研究人员强调，TheoPhysEval 测试的是运用已知方法进行计算。对当前的智能体而言，选择有希望的研究问题仍是另一项挑战，因此这些结果展示的是它们完成这些计算的表现，而非理论物理研究的完整过程。
AI 根据报道生成 · 2 天前更新
