FrontierPhysics 基准：端到端评测 AI 科研智能体

FrontierPhysics 基准通过 56 个任务端到端评测 AI 科研智能体，任务由 42 位物理学家基于自身研究设计，覆盖理论、计算与实验物理共九个领域。智能体需完成文献综述、制定研究计划、开展实验并产出结构化结果与科学手稿，评测结合确定性验证器和专家评分细则，配套论文已上 arXiv。