GPT-6 Astra 在 TheoPhysEval 50 道物理题中答对 49 道

GPT-6 Astra 在 OpenAI Codex 环境中完成 TheoPhysEval 的 50 道研究级理论物理题，答对 49/50（98%），平均每题成本不足 3 美元。首轮评分仅 80 多分后，模型坚称专家参考答案有误，物理学家复查确认存在多处细微计算错误，修正答案后得分升至 49/50。研究还讨论了模型可能记住大量物理文献的问题及其对物理研究的意义与局限。