谷歌 DeepMind 与多所顶尖大学的新论文发现，受测表现最佳的 AI 智能体解出了 50 道未公开的研究级理论物理题中的 49 道
谷歌 DeepMind 与多所顶尖大学的新论文用 50 道未公开的研究级理论物理题测试 AI 智能体，每道题约相当于专家一天的工作量。GPT-6-Astra（Codex 内）在联网搜索下解出 49 道，而它与 Claude Code 内的 Opus 5.5 在无搜索条件下均解出 46 道。由于有无搜索的准确率几乎不变，这一结果对模型记住了多少物理文献、以及这类基准到底在测什么提出了严肃质疑。
报道来源
- Rohan Paul2026-10-25 10:42