Физики из шести стран оценили способность агентов больших языковых…

Физики из шести стран оценили способность агентов больших языковых моделей самостоятельно решать 50 теоретических физических задач с известными ответами. Лучший результат показал агент Codex на базе модели GPT‑6 Astra, правильно решив 49 из 50 задач; агент Opus 5.5 с Claude Code CLI справился с 92 % задач. При работе без доступа к научной литературе в интернете результаты снизились незначительно, что указывает на запоминание материала во время обучения моделей. Авторы отметили, что агенты не продемонстрировали способности динамически менять направление исследования, поэтому человек остаётся необходимым внешним экспертом.

🔬 Факты