Физики из шести стран проверили, способны ли агенты больших языковых моделей автономно решить 50 исследовательских задач по теоретической физике с известными ответами.

Лучшим агентом стал Codex модели GPT-6 Astra: он верно решил 49 задач из 50, а Opus 5.5 с Claude Code CLI достиг успеха в 92 процентах проблем. В изолированном режиме (без доступа к научной литературе из интернета) результаты снизились незначительно, что указало на запоминание литературы в процессе обучения моделей. Авторы работы подчеркнули: агенты не продемонстрировали способность динамически менять направление исследования, поэтому человек все еще необходим в качестве внешнего эксперта

Источник

ВоздуХаб. Подписаться.