Ученые разработали и применили набор из пятидесяти неопубликованных исследовательских задач, относящихся к области теоретической физики, которые имеют заранее известные решения. Целью проверки было определение способности агентов искусственного интеллекта решать эти задачи самостоятельно, без вмешательства или помощи человека.
В ходе тестирования выяснилось, что лучшим агентом оказался Codex, являющийся моделью GPT-6 Astra. Этот агент продемонстрировал высокую производительность, корректно решив 49 из представленных задач.
Результаты данного исследования опубликованы в виде препринта, который можно найти на платформе arXiv.org.