35 位物理学家用未发表手稿考 GPT-6 Astra，答对 49/50

2026 年 10 月 26 日，掘金发布报道称，一个由 35 位物理学家组成的团队公布了 TheoPhysEval，这是一套由 50 道科研级物理题构成的基准测试。所有题目均来自出题者本人未发表的研究手稿：做法是把研究者近期论文里的计算改几个数值，并把最终答案统一转为高精度浮点数，同时在题目中加入若干对结果无影响的冗余参数。研究者称，这样答案就无法靠公开题库或训练语料命中，跳过推导步骤直接猜数值就会出错。出题人分布在 ICTS、哈佛大学、KU Leuven、Google DeepMind、TIFR、东京大学、UT Austin 等机构，团队估算该方向顶尖专家不借助 AI 独立解一道典型题约需一天。

据该报道，GPT-6 Astra 在 Codex 环境中作答，答对 49 道，单题成本约 2.3 美元。部分题目复核后发现参考答案本身有误，成绩因此从 88% 修正至 98%。50 道题横跨 11 个理论物理子领域，涵盖量子场论、AdS/CFT、黑洞信息悖论、流体动力学、生物分子过程、粒子物理、宇宙学等。报道将这类任务称为 turn-the-crank，即过去通常由博士生在第一年完成的改参数重算工作，并指出出题团队已明确把尚无已知解法的前沿开放问题挡在门外，因此该基准测的是给定框架与参数时的计算执行力，不能用来判断 AI 能否提出新物理或突破 AdS 视界熵边界。断网测试中，GPT-6 Astra 关闭搜索后答对 46 道，准确率几乎未下降，报道据此认为模型主要依靠权重中的记忆而非搜索作答。目前公开信息仅此一篇报道，后续进展暂无更新。