新基准测试：AI代理解出49道物理研究题

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求解 50 道理论物理研究题。运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 49 题（98%），平均每题成本 2.40 美元，整套基准约 116 美元。 测试对每个智能体运行两次：一次允许联网搜索，一次断网隔离。题目与测试设置已作为数据集发布在 Hugging Face 上，可供下载核验。 研究团队称，当前题目求解成本仍低，但对更难的题目，预计资源需求会急剧上升。

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。