TheoPhysEval blev bygget af opgaver, som aktive fysikere ikke havde offentliggjort, netop for at ingen model kunne have set dem. Den bedste agent missede én, til en gennemsnitspris på omkring 2,33 dollar per opgave.
Benchmark
TheoPhysEval
Hvad benchmarken TheoPhysEval måler, hvordan A. Ramesh Chandra and 36 co-authors kører den, og de registrerede modelresultater, hvor hvert tal vises…
- Ansvarlig
- A. Ramesh Chandra and 36 co-authors
- Score
- problems solved out of 50
- Sidst kontrolleret
- 15. oktober 2026
Rangliste
Der er endnu ikke registreret verificerede resultater.