新智元报道 太震撼了。 就在刚刚，一项研究显示， GPT-6 Astra 已经解决了 98% 的全新理论物理难题 ！ 这项顶级理论物理学评测 TheoPhysEval ，刚刚引发了学术界震动。 这些未发表的前沿难题，顶尖专家要花一整天才能解开。 但GPT-6 Astra不仅拿下近乎满分，甚至揪出了出题专家的计算失误！ 人类专家低头认错后，GPT-6 Astra的成绩从88%直接飙至98%。 无独有偶，MIT的最新实测显示：过去两年，前沿AI解决理论科学难题的能力，已经暴涨了整整17倍！ 数学之后，量子场论、宇宙学、经济学，正被AI全面接管。 反向批改！AI给人类顶级大脑「挑错」 评测当今的大模型极度困难，因为网上的题库早被它们「吃」光了。 为了探底AI真正的推理天花板，全球顶尖机构的物理学家们，联手给AI挖了个大坑——TheoPhysEval。 https://arxiv.org/abs/2610.16733 参与出题的机构阵容非常豪华，包括 国际理论科学中心（ICTS）、塔塔基础研究院（TIFR）、德克萨斯大学奥斯汀分校、东京大学、哈佛大学、宾夕法尼亚大学、杜克大学，Google DeepMind等。 项目贡献者包括了Suvrat Raju、Sudip Chakraborty、A. Ramesh Chandra等数十位知名学者。 为了防AI作弊， 题目全部来自专家们未发表的最新研究笔记。 这50道硬核难题，涵盖量子场论、全息理论等。即使细分领域的顶尖专家，也得耗费一天甚至数天才能解出一题。 即便是该细分领域的顶尖世界级专家，在没有AI辅助的情况下，也需要耗费一天或更长的时间才能解出其中一道题；如果换成相邻领域的专家，哪怕是物理学大牛，也需要极其漫长的时间甚至完全无法解出。 考试开始了。研究人员将这50道题喂给了GPT-6 Astra、Opus 5.5、Gemini 3.8 Flash以及开源的DeepSeek-V4.1-Flash等。 结果，GPT-6 Astra初评得分约88%，Claude Opus 5.5得分92%。 但接下来的事，让所有人惊掉下巴。项目研究员 Nirmalya Kajuri 披露：当专家排查错误时，Astra极度固执。 它不仅给出完整推导，还在思维链中坚称： 自己的逻辑无懈可击，是人类专家给的标准答案算错了！ 在现实测试轨道中，Astra最终以98%的惊人胜率碾压全场。 面对AI的「贴脸输出」，专家们只能翻出旧草稿重新复核。 真相令人吃惊：在多个题目中，专家们发现自己深埋在复杂计算中的步骤，确实存在极其细微的疏漏（例如符号错误、近似条件用错等）。 而AI的推导，才是真正严丝合缝、完美无瑕的！ 随后，专家们「红着脸」修正了标准答案。 修订后，GPT-6 Astra的分数一路攀升，达到了98%的高分，50道题中。他们解决了49道！ 这次，AI不仅做对了题，还把人类科学家的答卷给「反向批改」了。 从黑洞到量子，Astra解开了哪些变态难题？ 你可能会好奇，能难倒顶级学者一整天的神级物理难题，到底都有哪些？ 翻开论文的附录A，仿佛打开了一本《人类前沿物理学天书》。 以下是Astra在此次评测中成功斩获的难题。 黑弦Page时间计算：【Black-string Page time 】 这是关于黑洞信息悖论的最前沿研究。 题目要求AI在反德西特空间（AdS4）中，考虑一个包含两个膜的黑弦背景，AI需要比较AdS4空间中不同极小曲面的面积，来计算Page时间。 Astra不仅准确定位了文献中五维时空的方程，还自主将其推广适配到三维，并手写Python脚本处理了奇点微分方程，得出完美数值。 全电子原子求解器：【All-electron atomic solver】 题目要求AI「从头开始」写一个自洽的全电子原子结构求解器，用来计算硼和镁处于基态时的轨道能量。 Astra运用了局部密度近似（LDA）、狄拉克-斯莱特交换作用，甚至调用了VWN5参数化。 它从零开始，手搓出了求解Kohn-Sham方程的代码，算出的硼和镁基态轨道能量，与美国NIST的微哈特里级基准数据完全吻合！ 轴子转换率：【Axion conversion】 这是高能物理中寻找暗物质的热门方向。这道题要求计算在没有外部电场的情况下，轴子在特定介电常数介质中通过散射电子转化为光子的速率。 面对复杂的介电常数与耦合条件，Astra完美代入自然单位制（ℏ = c = 1），零失误推导出轴子转化为光子的速率公式，并算出精确浮点数。 陈-西蒙斯β函数：【Chern–Simons beta function】 如果你知道费曼图计算有多容易让人掉头发，你就会惊叹于Astra的表现。 这题考察三维陈-西蒙斯物质理论中的规范群贡献，涉及复杂的辛无迹反对称张量表示和无穷大重
