TheoPhysEval：我们提出了一套包含 50 个未发表的、研究级别的理论物理问题，这些问题均具有可验证的答案。在没有 AI 辅助的情况下，我们集合中的典型问题可由一位世界顶尖专家在一天或更短时间内解决，但对于相邻领域的专家而言，解决这些问题将需要显著更长的时间。我们测试了现成的 AI 代理……