最近，由全球50多位物理学家开发的“CritPt”基准测试旨在评估顶级AI模型处理复杂未发表物理研究问题的能力。该考试模拟了早期博士生所需的独立研究水平。尽管谷歌的“Gemini3Pro”和OpenAI的“GPT-5”等当前人工智能系统备受期待，但结果令人失望。数字化转型网www.szhzxw.cn
在一项独立评估中，Gemini3Pro以9.1%的准确率排名第一，GPT-5紧随其后，得分为4.9%。这些结果表明，即使是最好的模型，也无法解决大多数任务，尤其是涉及更复杂研究挑战的任务。CritPt测试涵盖了来自11个领域的71项研究挑战，包括量子物理、天体物理、高能物理和生物物理学。为了防止模型仅仅猜测或检索，所有问题均基于未发表的研究内容。
测试团队还采用了更严格的评估标准，称为“连续分辨率率”，要求模型至少有四次在五次尝试中给出正确答案。结果显示所有模型的性能显著下降，凸显了它们在复杂问题推理上的脆弱性。这种不可靠性给研究工作流程带来了挑战，因为模型常常生成看似正确的答案，实际上却包含细微错误，可能误导研究人员并增加评审工作负担。数字化转型网www.szhzxw.cn
研究团队指出，当前大型模型在独立解决开放式物理问题方面仍然不足，更现实的目标是将其视为“研究助手”，协助特定工作流程。与此相呼应，OpenAI计划于2026年9月推出研究实习系统，并于2028年3月推出完全自主的研究系统。该公司声称，GPT-5已经在帮助研究人员节省时间。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
