Hugging Face发布PhysClosureBench
发生了什么
据Hugging Face Papers报道，研究引入PhysClosureBench基准评估AI代理物理研究能力。该基准包含50项专家验证任务，涵盖强场、阿秒及邻近物理领域。评估显示Claude-Opus-5平均原子得分最高（6.29/10），但仅32.7%尝试达到RC4级研究闭环。结果表明AI在局部科学成果与研究完全闭合间存在持续差距。
- 任务数量
- 50
- Claude-Opus-5 RC4达成率
- 32.7%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口