arXiv 论文评估 AI 智能体自主求解理论物理问题的能力

一篇 arXiv 论文提出50道未公开、答案可验证的研究级理论物理问题，并测试现成AI智能体在无人类提示下的自主求解能力。表现最好的 GPT-6-Astra 通过 Codex 调用，在可检索文献并编写数值和符号计算脚本的设置下达到98%准确率，平均每题成本低于3美元；移除网络搜索和背景论文后，智能体平均准确率变化很小。论文同时讨论了AI智能体虽擅长具体计算，却尚未带来理论物理突破的可能原因。