arXiv · NLP· Qituan Zhang, Guo Chen, Linfeng Zhang, Wenlong Zhang·· 5 小时前AI 评分33
PHYRD：理论与物理研究的活体基准测试
PHYRD: A Living Benchmark for Reproducing and Extending Theoretical Physics Research
AI 导读
引入针对理论物理推理的活体基准 PHYRD，包含 63 道 Reproduce 和 43 道 Discover 题目。 五个模型在 Reproduce 任务上的全题准确率为 49.21% 至 68.25%，在闭卷 Discover 任务上为 18.60% 至 74.42%。
来源：arXiv · NLP · arxiv.org