TheoPhysEval byggdes av problem som yrkesverksamma fysiker inte hade publicerat, just för att ingen modell skulle ha sett dem. Den bästa agenten missade ett, till en snittkostnad på omkring 2,33 dollar per problem.
Benchmark
TheoPhysEval
Vad benchmarken TheoPhysEval mäter, hur A. Ramesh Chandra and 36 co-authors kör den och de registrerade modellresultaten, där varje siffra visas med…
- Ansvarig
- A. Ramesh Chandra and 36 co-authors
- Poäng
- problems solved out of 50
- Senast kontrollerad
- 15 oktober 2026
Topplista
Inga verifierade resultat registrerade ännu.