[AI]《FrontierPhysics: Evaluating Agents for End-to-End Physics Research》B You, W Ke, R Rosenauer, B Liu… [BenchFlow & California Institute of Technology & Harvard University & University of Washington] (2026)

在AI科研领域，评估端到端研究力是一个悬而未决的难题。过去的方法受困于静态刷题与旧文复现，本质原因是缺乏无泄漏的试错环境。

本文的核心洞见是：把测试重新看作真实科研周期。由此，强制交付数据与手稿，并以程序校验结合专家量规审查直觉这一关键操作使问题得以解开。

这项工作真正留下的遗产是查明模型死穴为循环论证与直觉缺失。它为后来者打开的新门是全流程标尺，但尚未跨过的门槛是脱离预设任务自主定义问题。

arxiv.org/abs/2611.06910 #机器学习# #人工智能# #论文# #AI创造营#