arXiv · AI· Ruoran Xu, Wending Gao, Liyunfeng Chen, Aixin Shi, Haoyu Cheng, Zixiang Fang, Yiqiang Zou, Qiufeng Wang·· 2026-10-14AI 评分40
PhysElite: 评估大语言模型解决奥赛级物理难题的能力
PhysElite: How Far Are LLMs from Solving Olympiad-Level Physics Problems?
AI 导读
PhysElite 发布了一个包含 11,586 道奥赛级难题的双语多模态基准,涵盖图示与逐步推导。 该基准测试了 18 个开源和闭源 MLLM,最强模型仅达 33.7% 答案准确率,并通过步骤级诊断定位推理链中的失败点。
来源:arXiv · AI · arxiv.org