Rohan Paul

谷歌 Deep Mind 和许多顶尖大学的新论文发现，经过测试的最佳人工智能代理解决了 50 个未发表的研究级理论物理问题中的 49 个，每个问题大约是世界专家一天的工作量。 每个不到 3 美元。 物理学中人工智能的基准通常使用教科书或竞赛问题，或阻止真正的研究人员使用的工具。因此，目前尚不清楚代理如何处理日常研究中的计算。 专家们根据自己的研究贡献了 50 个未发表的问题，每个问题都涉及专家一天的工作。特工单独工作，无论有没有网络搜索，并且仅根据最终的数字答案进行评分。 Codex 中的 GPT-6-Astra 通过网络搜索解决了 50 个问题中的 49 个问题，而它和 Claude Code 中的 Opus 5.5 都在没有网络搜索的情况下解决了 50 个问题中的 46 个问题。如果不进行搜索，准确性几乎没有变化，这表明这些模型已经记住了大部分物理文献。