English(EN) PhysMent: An Interactive Approach For LLM Reasoning In Physics Problems

新的基准测试通过交互式物理模拟来测试LLM的物理推理能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员推出PhysMent，这是一个旨在通过交互式实验来评估大型语言模型（LLM）物理推理能力的新基准。与静态基准不同，PhysMent要求LLM通过施加力、查询状态和修改环境来积极与MuJoCo物理模拟器互动，然后再回答问题。虽然当前模型在定性任务上表现出能力，但在需要精确、多步实验程序的定量问题上，它们的性能显著下降，大多数模型在具有挑战性的单一概念任务上的得分低于30%。 AI

影响该基准测试有望推动LLM在更强大的物理推理和交互能力方面的发展。

排序理由该项目描述了一个用于物理推理的LLM的新基准和评估，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目描述了一个用于物理推理的LLM的新基准和评估，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Joseph Chan, Utkarsh Jha, Xiyin Yang, Abhinav Jarajapu, Anik Sahai, Eddie Hu, Robin Jeshua Deepak, Stefano Saravalle, Aditya Shah · 2026-09-15 04:00

PhysMent：物理问题中用于LLM推理的交互式方法

arXiv:2609.13152v1 Announce Type: new Abstract: Large language models (LLMs) perform strongly on static science benchmarks, yet their ability to reason about the physical world through active experimentation remains poorly understood. We introduce PhysMent, a benchmark that evalu…

本文如何被排名

报道来源 [1]

PhysMent：物理问题中用于LLM推理的交互式方法

相关实体

相关话题