Un agente de IA resuelve 49 de 50 problemas de física teórica no publicados
Hecho Qué ha ocurrido
Un equipo de 35 investigadores, con participación de ICTS, Harvard, KU Leuven y Google DeepMind, presentó TheoPhysEval, un benchmark de 50 problemas de física teórica inéditos con respuestas verificables. El agente GPT-6-Astra, ejecutado en el entorno Codex de OpenAI, acertó 49 y obtuvo un coste medio inferior a 3 dólares por problema. Anthropic Opus 5.5 logró el 92 %, y Gemini 3.8 Flash, el 68 %.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si los resultados se confirman, los cálculos de nivel de investigación que antes requerían expertos y varios días podrían delegarse en agentes a bajo coste. Esto afecta a cómo se mide la capacidad de los modelos en ciencia.
- Quién se ve afectado
- Equipos de I+D, universidades y centros de investigación, y empresas que trabajan con simulación científica o cálculo avanzado.
- Qué puede cambiar
- Las tareas de cálculo estructurado de la investigación inicial podrían automatizarse, y los proyectos de entrada para doctorandos podrían necesitar redefinirse. Los autores también anticipan que, en problemas más difíciles, el presupuesto de cómputo podría pesar más en qué grupos avanzan.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Verificación independiente de los resultados con el conjunto de datos publicado en Hugging Face, el coste real en problemas más difíciles y si las respuestas de referencia de los expertos vuelven a presentar errores.
Enviar esta noticia por correo
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMIA científica OpenAIAnthropicGoogle DeepMindHarvard UniversityKU Leuven benchmarkCodexfísica teóricaGPT-6 AstraTheoPhysEval
Tu opinión
0 comentarios
Relacionadas
Google presenta Antigravity para acelerar la búsqueda de péptidos antimicrobianos
Google DeepMind describe cómo biólogos usaron su plataforma agéntica Antigravity para identificar un candidato a péptido antimicrobiano con actividad predicha…
Por qué importaSi los resultados se confirman, el trabajo de cribado de bases de datos biológicas podría reducirse de días a sesiones de trabajo guiadas por IA…
NVIDIA se suma a la iniciativa europea AI in Science con modelos abiertos, cómputo y formación
En la AI in Science Summit de Dublín, la Comisión Europea lanzó la iniciativa AI in Science Enablers, vinculada a RAISE. NVIDIA anuncia su aportación: más de…
Por qué importaPara instituciones de investigación y startups científicas españolas o latinoamericanas, puede abrir acceso gratuito o subvencionado a cómputo y…
Un algoritmo de Stanford identifica el péptido BRP, que reduce el apetito en animales
Un equipo de Stanford Medicine usó la herramienta computacional Peptide Predictor para revisar unos 20.000 genes humanos y seleccionar 100 péptidos candidatos…
Por qué importaEl caso muestra un método de cribado computacional que puede acotar la búsqueda de moléculas bioactivas antes de los experimentos de laboratorio…
Un péptido diseñado con IA en Stanford reduce el peso un 18 % en ratones sin efectos cardiacos
Investigadores de Stanford publicaron en Nature Metabolism el péptido STP-417, diseñado con herramientas de IA, que redujo un 18,3 % el peso de ratones con…
Por qué importaMuestra que la IA puede acortar drásticamente la fase de identificación de candidatos farmacológicos, un cuello de botella clave para la industria…