Phyxelida

新框架通过显式建模增强LLM的物理推理能力

研究人员开发了一个新框架，通过显式编码物理建模过程来改进大型语言模型（LLM）的物理推理能力。该方法采用两阶段的训练后策略：结构化建模的监督微调，以及基于评分标准的反馈的强化学习以提高质量。在多个多模态物理基准测试上的实验表明，在不同模型和数据集上性能持续提升，物理建模输出在PhysReason、PhyX和SeePhys基准测试上比GRPO大约提高了3%。