Kaiyue Feng

新的基准测试AI模型在高级物理问题解决能力

一项名为Physics的新基准已被开发出来，用于评估基础模型在解决高级物理问题方面的能力，包括博士资格考试中的问题。该基准包含六个物理领域的1034个带注释的问题，需要领域特定的知识和多步数学推理。对53个模型的初步评估表明，虽然一些专有模型和少数开放权重模型在没有图表的问题上取得了高准确率，但大多数开放权重模型表现不佳，其中Qwen3.5-9B在知识应用和图表解释方面存在问题。