CritPt v2

CritPt v2 ist die überarbeitete Version von CritPt, einem Benchmark zur Prüfung von LLMs bei physikalischen Denkaufgaben auf Forschungsniveau mit 70 zusammengesetzten Forschungsherausforderungen. Modelle lösen die Probleme mit einem Code-Ausführungswerkzeug in einer Offline-Linux-Sandbox.