Từ mục tiêu nghiên cứu đến sự khép kín khoa học: Đánh giá agent thông qua nghiên cứu vật lý dựa trên bằng chứng

Đoạn trích bài viết

Liệu các agent AI có thể tổ chức các cuộc điều tra khoa học dẫn đến những kết luận có cơ sở vững chắc không? Để đánh giá năng lực này, chúng tôi giới thiệu PhysClosureBench, một bộ chuẩn gồm 50 nhiệm vụ nghiên cứu được chuyên gia xác thực, chỉ định rõ mục tiêu, bao quát các lĩnh vực vật lý trường mạnh, atto giây và các lĩnh vực lân cận.