---
title: "CritPt (Critical Point Benchmark)"
created: 2026-06-14
updated: 2026-06-14
type: concept
tags: [benchmark, physics, reasoning, frontier]
sources: [raw/papers/procedural-skills-to-strategy-genes-2026.md]
---

# CritPt (Critical Point Benchmark)

前沿物理学研究基准，由 Zhu et al. (2025) 构建，用于探测 AI 推理的"临界点"。Wang et al. (2026) 将其用作基因进化系统的外部验证基准。

## 在 Skills to Strategy Genes 中的作用

CritPt 被用作 [[evolution-probe|进化探针]] 的外部验证：gene-evolved 系统是否能在**不同于训练分布的挑战性基准**上展现出实质性改进？

## 关键结果

两个基于 Gene 的进化系统在两个版本的 Evolver 上运行：

| 系统 | 基础模型 | 进化后 | 提升 |
|------|---------|--------|------|
| Evolver 2026-02-16 | Gemini 3 Pro Preview | 18.57% (from 9.1%) | +9.47pp |
| Evolver 2026-03-26 | Gemini 3.1 Pro Preview | 27.14% (from 17.7%) | +9.44pp |

### 上下文对比

- GPT-5.4 Pro (xhigh): 30.0%
- GPT-5.4 (xhigh): 27.14%
- Evolver 2026-03-26: 27.14%
- Gemini 3Deep Think: 25.7%
- Claude Opus 4.6 (max): 12.6%
- Claude Sonnet 4.5 (max): 3.1%

基因进化的系统达到了与 GPT-5.4 (xhigh) 并列的水平，显著超越基础模型。

## 进化轨迹

### 版本 A (2026-02-16): 记忆根植的进化
主要增益来自将先前失败、执行轨迹和修正经验巩固为可复用控制单元。代表性基因：`gene_gep_repair_from_errors`（触发于 error/exception/failed 信号的结构化修复循环）。

### 版本 B (2026-03-26): 探索增强的进化
210 个 gene slot，36 个唯一 gene ID。以 arXiv 衍生基因 (148 次选择) 为主。最具代表性的是 `gene_topic_hamiltonian_inverse_design`（25 次选择）：将紧凑的任务导向解决过程保留为可复用资产。

## 参考

- [[procedural-skills-to-strategy-genes|Skills to Strategy Genes]] — 使用 CritPt 验证进化
- [[evolution-probe|进化探针]] — CritPt 实验所属探针
- [[strategy-gene|策略基因]] — 进化单元
- [CritPt 原论文](https://arxiv.org/abs/2509.26574)