FrontierPhysics端到端AI物理研究基准发布
一篇于2026年11月4日提交至arXiv的论文介绍了FrontierPhysics,这是一套端到端基准,包含42名物理学家基于自身研究设计的56项任务,覆盖理论、计算和实验物理九个领域。每项任务要求智能体查阅文献、制定研究计划、开展研究与实验,并产出结构化结果和科学论文。评分结合确定性验证器与专家撰写的量规,用于判断智能体的研究是否正确且可发表。在22个模型的26种配置中,没有配置通过超过其168次运行中的46次。对智能体轨迹的人工复核显示,前沿智能体的主要弱点是推理不够严谨、专家直觉有限,而非物理知识缺口或执行错误。基准团队来自伯克利、加州理工和哈佛的物理实验室,称其从26家机构招募了42名物理学家;Artificial Analysis表示很期待合作并在平台上托管该评测。
现有物理基准只评估固定问题、孤立子任务或给定解答的论文复现,很少同时考察研究质量与正确性。FrontierPhysics转而检验智能体能否完成真实的端到端物理研究,并产出正确且可发表的结果。
Computer Science > Artificial Intelligence
arXiv:2611.06910 (cs)
[Submitted on 4 Nov 2026]
Title:FrontierPhysics: Evaluating Agents for End-to-End Physics Research
Authors:Bingran You, Wenjun Ke, Ria Rosenauer, Bo Liu, Wenbo Chen, Min Chen, Shuqi Xu, Yue Ma, Jiechao Feng, Bo Chen, Xiangkai Sun, Jiarui Liu, Jinen Guo, Zeyu Zhou, Xu Huang, Zhuohan Li, Haoyu Li, Heguang Lin, Lijie Ding, Yadong Zeng, Kangqi Zhang, Xinge Liu, Hanwen Liu, Zhenghong Li, Alexander von Recum, Yuchen Zhu, Felix Schwarzfischer, Yizhou Zhao, Jicheng Wang, Binxu Li, Qian Yu, Chan Li, Cheng Dai, Di Wang, Haoyu Zhang, Jiankai Sun, Kaituo Feng, Mian Qin, Ruihong Yin, Yiqun Luo, Weiwei Wu, Shihong Pan, Tsung Yeh Hsieh, Xiao Huang, Yan Zhang, Sihan Li, Zirui Ren, Zengji Tu, Kyoung Whan Choe, Ke Sun, Vincenzo Galia, Vaisakhi Mishra, Jiashu He, Hongyang Wang, Zhiheng Yang, Shubham Gaur, Yifan Gu, Shuyi Wang, Zihao Zuo, Steven Dillmann, Yiyou Sun, Xinyang Han, Hanchung Lee, Molei Tao
View a PDF of the paper titled FrontierPhysics: Evaluating Agents for End-to-End Physics Research, by Bingran You and 71 other authors
部分来源内容未展示,可前往原文继续阅读。
#FrontierPhysics#Benchflow AI#Artificial Analysis#UC Berkeley#Caltech#Harvard University