**从研究目标到科学闭环：评估 AI 代理在证据支持下的物理研究能力**

_From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research_

> 研究团队推出了 PhysClosureBench 基准测试，包含 50 个经专家验证的物理研究任务，旨在评估 AI 代理组织科学调查并得出结论的能力。测试发现，尽管顶尖模型（如 Claude-Opus-5）在局部科学成就上表现优异，但在满足所有必要证据和适用条件以达成“科学闭环”方面存在显著差距，仅有约三分之一的高分尝试能实现完整闭环。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.21767)