评估 AI 智能体自主解决理论物理研究问题的能力

研究团队构建了包含 50 道未公开发表且答案可验证的研究级理论物理问题集，用于测试现成 AI 智能体在无人类提示下的自主解题能力。在配备文献检索与脚本编写等工具的现实设定下，表现最佳的智能体 GPT-6-Astra 取得了 98% 的极高准确率，平均单题成本低于 3 美元。