TheoPhysEval: Мы представляем набор из 50 неопубликованных теоретических физических задач исследовательского уровня с проверяемыми ответами. Без помощи ИИ типичная задача из нашей коллекции может быть решена мировым экспертом примерно за день или меньше, но займет значительно больше времени у экспертов смежных специальностей. Мы тестируем возможности готовых ИИ-агентов […]