实体 IntPhys 2

IntPhys 2

PulseAugur coverage of IntPhys 2 — every cluster mentioning IntPhys 2 across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_192376 · Aug 10 · 16:31

视觉语言模型（VLMs）物理测试失败，依赖模式匹配而非理解

根据最新的基准测试，视觉语言模型（VLMs）经常能正确回答与物理学相关的问题，但原因却不正确。像PhysBench和IntPhys 2这样的研究表明，即使是像GPT-4o这样先进的模型，在需要理解物理属性和动力学的任务上的得分也只有40-50%，而人类的得分接近满分。这表明VLMs在很大程度上依赖于训练数据中的模式匹配，而不是真正理解物理定律。