2026年10月，一項由哈佛大學同 Google 同 35 位理論物理學家與 AI 研究者共同構建嘅全新基準測試——TheoPhysEval——喺學界引起廣泛關注。呢個測試包含 50 道以往未公開發表嘅理論研究級物理問題，涵蓋量子場論、全息原理、黑洞物理、散射振幅、凝聚態量子相、流體力學等 11 個前沿子領域。喺用目前幾個最前沿大型語言模型進行測試之後，結果顯示，OpenAI 嘅 GPT‑6 Astra（喺 Codex 編程環境運行）喺允許上網同調用工具嘅「現實條件」下，正確解出其中 49 道，準確率達 98%，平均每題成本不足 3 美元（整體約 116 美元）。
呢個結果唔止刷新咗 AI 喺科學研究能力上嘅邊界，亦令「物理學正被 AI 改寫」嘅討論由數學領域進一步擴展到理論物理。
測試設計：防止「作弊」嘅真實研究級挑戰
TheoPhysEval 嘅獨特之處係佢嘅題目來源同評估標準。全部 50 道題目都係由各子領域頂尖專家貢獻，取自佢哋尚未發表嘅最新研究筆記或計算草稿。題目被設計成「可驗證答案」嘅計算型問題（即所謂嘅“turn‑the‑crank”類型）——喺已知方法基礎上做延伸計算，而唔係完全開放式嘅概念性突破。專家估計，相關領域嘅頂尖專家獨立完成一道典型題目約需一日或更短時間；相鄰領域嘅專家就會花更長時間。
為咗防止模型透過訓練數據「背答案」，測試團隊嚴格確保題目喺評測時完全未公開。模型喺無任何人類提示嘅情況下自主運行，分為兩個賽道：
- 現實賽道（允許上網搜索文獻、編寫數值/符號計算腳本）；
- 隔離賽道（禁止上網同使用外部資料）。
GPT‑6 Astra 喺現實賽道取得 49/50 嘅成績；喺隔離賽道仍達到 46/50（92%）。Anthropic 嘅 Claude Opus 5.5 緊隨其後，兩個賽道均為 46/50。Google Gemini 3.8 Flash 約為 68%/62%，開源模型 DeepSeek‑V4.1‑Flash 同 GLM‑5.3 則分別喺約 50% 左右。
值得注意嘅係，初期評估中 Astra 被判定幾題有錯，但經專家複核後發現，部分參考答案本身存在細微錯誤。修正後，Astra 嘅解法被確認為正確，最終得分提升至 49/50。唯一冇被任何模型攻克嘅題目係一條「逆問題」（由曲線反推微分方程），所有系統都未能解出。
能力邊界：計算執行力強，但「品味」仍欠缺
論文作者指出，當前頂尖 AI 代理已經能以接近甚至超越單一領域專家嘅準確率，完成理論物理中大量「具體計算」嘅工作。成本效益尤其驚人——一位世界級物理學家一日嘅工作量，可以被壓縮到數美元嘅 API 費用。
然而，研究者亦強調關鍵嘅局限：呢啲題目多數係「已知方法嘅延伸計算」，唔係需要深刻物理直覺、創造性猜想或者所謂嘅「品味」嘅突破性發現。作者認為，AI 目前仍然欠缺推動理論物理學範式轉變所需嘅「審美判斷」同問題選擇能力。換言之，AI 擅長「解題」，但尚未顯示出能「提出正確問題」嘅能力。
另外，隔離賽道同現實賽道成績差距唔大，暗示模型對已有文獻存在較高程度嘅「記憶」或內化，而唔係完全依賴即時檢索。單次運行同物理子領域覆蓋唔均，亦限制咗分數嘅精確解讀。
由數學到物理：AI 科研輔助嘅加速擴展
之前 AI 喺數學領域已多次引起震動——由 IMO 滿分到對開放問題嘅形式化證明嘗試。TheoPhysEval 嘅結果標誌住類似能力開始系統性滲透到理論物理。與數學唔同，物理計算通常涉及更複雜嘅符號推導、數值驗證同跨文獻綜合，對工具調用同長程推理嘅需求更高。
呢項進展嘅直接意義包括：
- 科研效率提升：大量常規但耗時嘅計算工作可以由 AI 代理大幅加速，釋放人類專家嘅精力去做更高層次嘅概念創新。
- 成本門檻降低：以極低成本完成專家級計算，可能改變小團隊同資源有限機構嘅研究方式。
- 錯誤發現能力：模型喺部分案例中反向指出人類參考答案嘅錯誤，顯示出一定嘅「交叉驗證」潛力。
但風險同樣存在。過度依賴 AI 可能導致對計算過程嘅理解削弱、錯誤快速傳播，以及「黑盒」結果難以被充分審查。物理學嘅核心價值唔單止係得到正確答案，仲包括理解其物理意義同適用邊界。
客觀評估與未來展望
TheoPhysEval 嘅結果係真實同經過嚴格設計嘅：題目未公開、答案可驗證、測試條件透明。佢有力證明咗當前前沿 AI 代理喺理論物理計算執行層面已達到極高水平。但要將此直接等同於「物理學被 AI 改寫」仍須審慎——計算能力嘅躍升同理論範式嘅真正突破之間，仍存在實質性鴻溝。
目前，呢項工作以預印本形式發表，完整同行評議同更大規模獨立複現仍有待進行。未來，類似基準嘅擴展（涵蓋更多需要創造性洞察嘅問題）、人機協作模式嘅探索，以及 AI 結果嘅可解釋性同可審計性，將成為關鍵議題。
總體而言，GPT‑6 Astra 喺 TheoPhysEval 上嘅表現，係 AI 輔助科學研究從數學向物理自然延伸嘅重要節點。佢既展示咗巨大潛力，亦清晰勾勒出當前技術嘅邊界：AI 可以成為極其高效嘅「計算助手」，但真正推動物理學前進嘅「品味」與原創性，短期內仍主要由人類研究者掌握。兩者點樣協同，將決定未來數年科學發現嘅節奏與形態。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請訪問： https://www.airosetta.com