RLAWM 基于公理世界建模提升 LLM 物理推理

RLAWM 框架通过惩罚模型内部公理世界模型（AWM）与真实物理世界的偏差，将 LLM 在 PhysReason 基准上提升 12.2 分，在 PHYSICS 基准上提升 5.2 分。 该框架仅在训练阶段运行，无额外推理成本，实现物理推理从建模到解题的双层奖励监督，并在奥林匹克级别题目上实现 2.45 倍增益。 研究揭示了模型在物理推理中存在的“建模漂移”缺陷，被 NeurIPS 2026 录用。