International Physics Olympiad
PulseAugur coverage of International Physics Olympiad — every cluster mentioning International Physics Olympiad across labs, papers, and developer communities, ranked by signal.
-
新的ScienceArena基准测试大型语言模型在奥林匹克级别科学问题上的表现
研究人员开发了ScienceArena，这是一个旨在评估大型语言模型（LLMs）科学推理能力的新基准。该基准利用了近期国际物理奥林匹克、化学奥林匹克和生物学奥林匹克竞赛的题目，这些题目包含多步骤、开放式问题，难以自动评分。评估过程包括专家审核和奥林匹克奖牌获得者的验证以确保准确性，并校准了“大型语言模型即裁判”系统以实现可扩展的评估。对十四个大型语言模型的初步评估表明，虽然顶级模型在某些考试中可以达到奖牌同等分数，但在化学等领域以及在…
-
Loopie Transformer架构在奥林匹克竞赛中取得金牌级表现
研究人员推出了一种新颖的循环Transformer架构Loopie，旨在克服以往在扩展性方面的限制。Loopie系列包含两个混合专家（MoE）模型：一个拥有200亿参数（其中20亿为激活参数）的版本，以及一个拥有60亿参数（其中6亿为激活参数）的版本。消融研究表明，在同等计算预算下训练时，Loopie的性能显著优于传统的Transformer基线模型。此外，Loopie展现出强大的推理能力，在2025年国际数学奥林匹克竞赛和国际物理奥…
-
Google 升级 Gemini 3 Deep Think 以用于科学和工程领域
Google 发布了 Gemini 3 Deep Think 的升级版本，这是一种专门用于应对复杂科学、研究和工程挑战的推理模式。新版本已提供给 Google AI Ultra 订阅用户和通过 Gemini API 的部分研究人员。早期测试者已使用 Deep Think 识别同行评审论文中的逻辑缺陷，优化半导体材料的晶体生长，并加速物理组件的设计。该模型还创下了新的基准记录，包括在 Humanity's Last Exam 上设定了新…