TheoPhysEval se construyó con problemas que físicos en activo no habían publicado, justo para que ningún modelo pudiera haberlos visto. El mejor agente falló uno, con un coste medio de unos 2,33 dólares por problema.
Benchmark
TheoPhysEval
Qué mide el benchmark TheoPhysEval, cómo lo ejecuta A. Ramesh Chandra and 36 co-authors y las puntuaciones registradas de cada modelo, con su…
- Responsable
- A. Ramesh Chandra and 36 co-authors
- Puntuación
- problems solved out of 50
- Última comprobación
- 15 de octubre de 2026
Clasificación
Todavía no hay resultados verificados.