arXiv · AI· Yijia Mao, Song Dai, Tao Chen, Xiangyu Lu, Linqian Zeng, Chenxi Hu, Sitong Zhou, Dongyang He, Xiaodan Mao, Linxuan Zhang, Tong Zhu, Yafu Li, Fangchen Yu, Peng Ye, Feng He, Yu Cheng, Yun Luo·· 2026-10-16AI 评分24
通过证据支持的物理学研究评估 AI Agent:引入 PhysClosureBench 基准
From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research
AI 导读
研究团队引入 PhysClosureBench 基准评估 AI Agent 组织科学调查的能力,包含 50 个由专家验证的物理学任务。 评测了 7 个前沿 LLM,其中 Claude-Opus-5 取得最高平均分 6.29/10,但在 32.7% 的尝试中达到 RC4 级研究闭环。结果显示 36.2% 的高分尝试仍无法实现完整闭环,揭示了 Agent 局部成就与完全闭环之间的持续差距。
来源:arXiv · AI · arxiv.org