跳到正文
arXiv · AI· Kaiyue Feng, Yilun Zhao, Yixin Liu, Tianyu Yang, Chen Zhao, John Sous, Arman Cohan·· 2026-10-14AI 评分36

Physics:评估基础模型大学物理解题能力的基准测试

Physics: Benchmarking Foundation Models on University-Level Physics Problem Solving

AI 导读

Physics基准包含1034道来自博士资格考试的开放式物理问题,用于测试基础模型的解题能力。 该基准涵盖6个核心物理领域,通过基于LLM的评分协议评估数值、符号和文本答案。 测试了53个专有和开源权重模型,结果显示强开源权重模型接近专有模型性能,但多数开源模型正确率仍低于50%。

来源:arXiv · AI · arxiv.org