新研究评估 AI 智能体自主解决理论物理难题能力

研究团队构建了包含 50 道未公开研究级理论物理难题的评测基准，用于评估现成 AI 智能体在无人类提示下的自主解题表现。在具备文献检索与符号及数值计算脚本工具时，Codex 驱动的 GPT-6-Astra 取得了 98% 的准确率，每题平均成本低于 3 美元。限制联网检索和文献后准确率变动不大，研究指出智能体虽能准确完成具体科研计算，但尚未主导产生理论物理突破。