PRL-Bench

AI物理学家PhysMaster在新基准测试中表现优于现有代理

研究人员推出了PhysMaster，一个旨在解决复杂理论和计算物理学研究的自主AI物理学家。为了评估其能力，他们开发了PRL-Bench，这是一个源自100篇Physical Review Letters论文的基准测试，模拟了真实的研究工作流程。与Codex和ReAct等现有代理相比，PhysMaster在PRL-Bench上表现出更优越的性能，取得了最高分，并显著减少了长周期执行中的失败，尽管在物理知识和分析推理方面仍存在挑战。