IXThinker·2025-05-28 21:20

三千道物理題難倒頂尖AI 準確率遜人類

香港大學、密歇根大學、多倫多大學等機構的研究者用3000道物理題對全球頂尖大模型進行大拷問，結果GPT-4o、Claude 3.7 Sonnet等最強模型無一例外全數失準，準確率被人類專家大幅拋離。

測試設計與結果

研究以3000道物理題組成測試集，檢驗大模型的物理推理水平。結果顯示，GPT-4o、Claude 3.7 Sonnet及GPT-o4系列等頂尖AI全部翻車，準確率直接被人類專家拋離，與它們在奧數題上比肩人類的表現形成反差。