研究者发布Physics物理基准并评测53个模型

研究者推出名为 Physics 的基准，用于评测基础模型求解大学水平物理问题的能力。该基准包含 1034 道来自博士资格考试的开放式题目，覆盖六个核心物理领域，并配有标准解答与独立核验的参考答案。 团队用基于 LLM 的评分协议评测了 53 个闭源与开源权重模型。结果显示，高准确率集中在少数 thinking 模型上；最强的开源权重模型已接近闭源水平，但多数开源权重模型解出的题目不足一半。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。