物理智能体考卷换成完整课题：56个真实项目，最强配置168次只过46次
FrontierPhysics把物理智能体的评测从固定问答和给定解法的论文复现，换成由42位物理学家依据自己研究设计的56个端到端课题，覆盖理论、计算与实验物理九个方向。智能体只拿到类似导师给的高层指令，要自己查文献、定计划、做计算或实验，并同时交出可确定性核验的数值结果和一份论文稿。22个模型、26种配置中没有任何配置在168次运行里通过超过46次，人工审阅轨迹显示主要短板是推理不够严谨和缺少专家直觉，而不是物理知识不足。