Hugging Face · 每日论文· 媒体 / 作者来源·精选
PhysClosureBench：评测AI Agent能否完成可证据支撑的物理研究
原文标题
From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research
AI 导读
研究者提出 PhysClosureBench，含 50 个专家验证、目标明确的研究任务，覆盖强场、阿秒及邻近物理领域。评测用 20 项 Atomic Score 衡量局部科学成果，用 Research Closure（RC0–RC4）判断是否满足必要证据与适用范围条件。Claude-Opus-5 平均 Atomic Score 最高（6.29/10），但仅 32.7% 的尝试达到 RC4；得分≥8/10 的尝试中仍有 36.2% 未达 RC4，七款前沿模型在三次运行中均明显少于至少一次运行达到 RC4 的任务数。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
给出了衡量 AI Agent 能否把研究推进到“有证据支撑的完整结论”的基准与失败模式分析，可供做科研 Agent、自动实验与证据验证的团队直接用来诊断瓶颈。
导读由模型辅助整理，非独立核验。完整信息见原文。