跳到正文
热点事件历史事件

TheoPhysEval测试AI物理研究能力

1 篇报道1 个报道来源18 天前更新

先了解这件事

AI 综述

研究团队发布TheoPhysEval基准测试，让商用AI智能体在无人类提示下解答50道理论物理研究问题。GPT-6-Astra在OpenAI Codex环境中解出49题（98%），平均每题成本不到3美元，整套基准约116美元；Anthropic的Opus 5.5在Claude Code中得分92%，Google Gemini 3.8 Flash为68%，开源权重模型DeepSeek-V4.1-Flash和GLM 5.3分别为54%和42%。 题目覆盖理论物理11个子领域，刻意避开重大开放问题，聚焦对已知方法略作改动的常规计算。每个智能体测试两次，一次带网络搜索，一次无网络隔离运行。测试题目与设置已作为数据集发布在Hugging Face上供核查。

AI 根据报道生成 · 18 天前更新

最新进展10月15日 23:24
GPT-6-Astra 在 50 道物理研究题中解出 49 道，平均每题不到 3 美元

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. The Decoder 精选
    GPT-6-Astra 在 50 道物理研究题中解出 49 道，平均每题不到 3 美元

    一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究问题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。Anthropic 的 Opus 5.5 在 Claude Code 中得分 92%，Google Gemini 3.8 Flash 为 68%，开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖理论物理 11 个子领域，刻意避开重大开放问题，聚焦对已知方法略作改动的常规计算。