{
  "title": "物理科研智能体、化学动作理解与推理服务设计的三项新评测",
  "summary": "FrontierPhysics联合检查物理结果与研究论证，并发现裁判误判；BEAKER暴露化学实验室动作定位和时序判断短板；ServerBench把推理延迟、并发负载与GPU成本纳入系统设计评测。三项均为预印本，真实部署与独立复现仍有边界。"
}