42位物理学家发布FrontierPhysics端到端物理研究Agent基准

Bingran You 等研究者发布端到端物理研究智能体评测基准 FrontierPhysics：42 位物理学家基于自身研究构建 56 个任务，覆盖理论、计算与实验物理九个领域。智能体需完成文献调研、制定研究计划、开展实验并输出结构化结果与科学手稿，评测结合确定性验证器与专家评分细则。 评测结果显示，22 个模型的 26 种配置中，没有任何配置在 168 次 rollout 中通过超过 46 次。作者的人工分析认为，前沿智能体的主要短板是推理不够严谨和专家直觉不足，而非物理知识欠缺。

AI 根据报道生成 · 23 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。