TheoPhysEval基准测试AI智能体物理研究能力

研究团队发布 TheoPhysEval 理论物理研究问题基准，用于测试商用 AI 智能体在无人类提示下求解理论物理研究问题的能力。测试中每个智能体运行两次，一次在可联网搜索的真实条件下，一次在无网络隔离条件下。据 2026 年 10 月 15 日报道，运行在 OpenAI Codex 环境中的 GPT-6-Astra 成绩居首，答对 50 题中的 49 题（98%），平均每题成本低于 3 美元，整套基准约 116 美元。报道称，想核查结果的人可在 Hugging Face 下载题目与测试设置数据集。报道未披露其他参与测试智能体的具体成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。