本文提出MaD Physics基准,旨在评估AI代理在严格预算与质量约束下进行物理环境测量与规律推断的能力,并通过测试多款Gemini模型揭示了其在结构化探索与数据收集方面的短板。
机构:DeepMind
来源:arXiv 2605.10820 | AI4Papers 论文推荐平台