معيار FrontierPhysics: لا نموذج ذكاء اصطناعي ينجح في أكثر من 46 من 168 محاولة لمهام بحثية
كتب 42 فيزيائيًا 56 مهمة في تسعة مجالات؛ واختُبر 22 نموذجًا في 26 تهيئة، ومجموعة المهام متاحة للعامة.
لماذا يهم
يطلب FrontierPhysics من الوكلاء إنجاز مهام بحث فيزياء من طرف إلى طرف لا إجابات بأسلوب الاختبار. وفي 168 تشغيلًا لم يتجاوز أي نموذج 46 مهمة وفق مسودة arXiv. وتظهر الفجوة أن الوكلاء الحاليين ما زالوا يفشلون في مسارات علمية طويلة حتى مع نتائج جيدة على معايير قصيرة. وتنضم الورقة إلى موجة تقييمات علمية أصعب. والمنتظر لوحات لاحقة والمختبرات التي تجربها وهل تُغلق الوكلاء ذات الأدوات الفجوة.
حقائق رئيسية
- arXiv:2611.06910
- 168 تشغيل تقييم
- لم يتجاوز أي نموذج 46
- مهام بحث فيزياء من طرف إلى طرف
- مسودة غير محكّمة