FrontierPhysics、AIエージェントの物理研究能力を評価するベンチマーク

1. 04:00
   Hugging Face Daily Papers

   FrontierPhysics、AIエージェントのエンドツーエンド物理研究を評価するベンチマーク

   FrontierPhysicsは、文献レビュー、研究計画、実験、論文作成までをエンドツーエンドで評価するベンチマークである。42人の物理学者が自身の研究をもとに作成した56のタスクから成り、ルールベースの検証器と専門家が作成したルーブリックで採点する。22モデル（26構成）を評価した結果、いずれの構成も168回の試行のうち46回を超えて合格しなかった。主な弱点は、物理学の知識不足や実行ミスではなく、推論の厳密さの不足と専門家的直観の限界であるとされる。

現在の注目度 3·比較可能なピーク 3（11月5日 17:00）·24時間の比較可能な増減 –

推移は、継続的かつ完全に観測できたアカウントのみを比較しているため、現在の注目度の数値より範囲が狭くなる場合があります。ポインターを動かすかグラフをタップすると、1時間ごとの注目度を確認できます。キーボードでは左右の矢印キーを使います。