Mit gondolsz arról, hogy a GPT-6-Astra 50 elméleti fizikai kutatási problémából 49-et megoldott, problémánként körülbelül 2,40 dolláros költséggel?

A TheoPhysEval nevű benchmark szerint a GPT-6-Astra az 50 elméleti fizikai kutatási feladatból 49-et helyesen oldott meg, feladatonként átlagosan kevesebb mint 3 dollárért. Az eredmények azt mutatják, hogy a fejlett AI-ügynökök már szakértői szinten képesek ismert módszereket alkalmazó,

• Ez áttörés a fizikai kutatásban.
• Hasznos eszköz, de az emberi kreativitást nem helyettesíti.
• A benchmark nem tükrözi a valódi kutatási áttörések nehézségét.
• Túl korai messzemenő következtetéseket levonni.