वैज्ञानिकों ने सैद्धांतिक भौतिकी के क्षेत्र से संबंधित पचास अप्रकाशित शोध कार्यों का एक सेट विकसित और लागू किया, जिनके समाधान पहले से ज्ञात हैं। जांच का उद्देश्य यह निर्धारित करना था कि कृत्रिम बुद्धिमत्ता एजेंट इन कार्यों को बिना किसी मानवीय हस्तक्षेप या सहायता के स्वयं हल करने में सक्षम हैं या नहीं।
परीक्षण के दौरान पता चला कि Codex, जो GPT-6 Astra मॉडल है, सबसे अच्छा एजेंट निकला। इस एजेंट ने उच्च प्रदर्शन प्रदर्शित किया, जिसमें प्रस्तुत किए गए 49 कार्यों को सही ढंग से हल किया।
इस अध्ययन के परिणाम एक प्रीप्रिंट के रूप में प्रकाशित किए गए हैं, जिसे arXiv.org प्लेटफॉर्म पर पाया जा सकता है।