2026-11-06 · 研究论文 · 重要性 ★★★
arXiv：FrontierPhysics端到端评测智能体物理研究能力，最高通过率仅27%
FrontierPhysics: Evaluating Agents for End-to-End Physics Research 研究者发布FrontierPhysics基准，由42名物理学家基于自身研究设计56项端到端任务，覆盖理论、计算和实验物理九个领域，要求智能体完成文献调研、研究规划、实验执行并产出结构化结果与论文。结合确定性验证器与专家评分标准，22个模型26种配置中没有任何配置通过168次rollout中的46次以上；人工审查显示前沿智能体的主要短板是推理严谨性不足和专家直觉有限，而非物理知识或执行
本站仅做聚合整理与摘要展示，版权归原作者所有。