InvestigaciónImportancia media

Science's Last Exam lanza 113 tareas abiertas (06/11); FrontierPhysics: Opus 5.5 ~27,4% Pass@1

Science's Last Exam (SLE), liderado por la AItonomy Foundation con investigadores de 34 instituciones (Harvard, MIT, Stanford, Oxford, Princeton, ORNL etc.), anuncia lanzamiento oficial el 06/11/2026: open-source de 113 tareas públicas en 9 disciplinas, cubriendo 6 capacidades + investigación end-to-end. Las descargas públicas abren el 06/11. En paralelo, el preprint FrontierPhysics (arXiv 2611.06910, enviado ~04/11/2026) evalúa agentes en 56 tareas creadas por 42 físicos: en 22 modelos / 26 configs, ninguna config pasa más de 46 de 168 rollouts; mejor Pass@1 ~27,4% (Claude Opus 5.5). Fallas principales: razonamiento poco riguroso y falta de intuición expert, no gaps de conocimiento de física.