PhysEvolve：基于验证器的自我进化，利用可执行世界进行物理推理

Hugging Face Daily Papers 论文
physical-reasoning vision-language-models self-evolution grpo physics-engine counterfactual causal-reasoning

摘要

PhysEvolve 提出一个验证器驱动的自演化框架，利用物理引擎验证模型自生成的可执行世界与反事实仿真，以 GRPO 训练视觉语言模型的因果物理推理能力，在 PhysBench、CausalPhys 和 ContPhy 上取得显著提升，且无需人类干预数据。

物理推理是具身系统理解物理世界并在其中行动的基础，但视觉语言模型（VLM）在回答有关动力学和物理因果关系的问题时仍不可靠。由于观测视频仅记录实际发生的事实轨迹，具有现实依据的反事实训练数据十分稀缺，这严重制约了研究进展。自演化范式使模型能够自行构建训练问题，为突破固定数据集的局限提供了一条路径。然而，将这一范式扩展至物理领域，需要一个外部真值来源，既能验证模型提出的环境，又能核验干预下的其他物理结果。我们提出了一个以验证器为依据的自演化框架，利用模型提出的可执行世界和仿真生成的任务，训练 VLM 进行因果物理推理。在每轮迭代中，一个共享 VLM 提出可执行的世界程序和证据模式；确定性物理引擎固定每个有效世界，模拟相互匹配的基线分支与移除物体的反事实分支，并合成具有明确答案约束的离散视觉任务。来自任务求解的精确验证器反馈通过 GRPO 更新共享策略，同时更新围绕物理意图组织的自适应课程。从 Qwen3-VL-8B-Instruct 出发，该框架无需人工干预数据，便在 PhysBench、CausalPhys 和 ContPhy 上取得了针对性提升，使 PhysBench 的投掷任务提高了 8.8 个百分点，ContPhy 的反事实移除任务和 Goal-Pit 任务分别提高了 7.4 和 24.4 个百分点。这些提升集中在对交互敏感及世界条件发生改变的问题上，表明因果原理能够以零样本方式迁移至未见过的复杂动力学场景（布料、流体、软体）和真实世界视频。
查看原文
查看缓存全文

缓存时间: 2026/10/28 05:24

论文页面 - PhysEvolve：基于验证器的自我演化，通过可执行世界进行物理推理

来源：https://huggingface.co/papers/2610.34921

摘要

Physevolve 利用物理引擎验证自行生成的可执行世界和反事实模拟，训练视觉-语言模型进行因果物理推理，无需人工数据即可提升其在动力学基准测试上的表现\。

物理推理 (https://huggingface.co/papers?q=Physical%20reasoning)是具身系统理解物理世界并在其中行动的基础，然而视觉-语言模型 (https://huggingface.co/papers?q=vision-language%20models)\（VLM\）在涉及动力学和物理因果关系的问题上仍不可靠\。由于观测视频仅记录实际发生的事实轨迹，有事实依据的反事实 (https://huggingface.co/papers?q=counterfactual)训练数据十分稀缺，这严重制约了研究进展\。自我演化 (https://huggingface.co/papers?q=self-evolving)范式使模型能够构建自己的训练问题，从而提供了一条超越固定数据集的路径\。然而，将这一范式扩展到物理领域，需要一个外部真值来源，既能验证模型提出的环境，又能核验干预下的其他物理结果\。我们提出了一个基于验证器的自我演化 (https://huggingface.co/papers?q=self-evolving)框架，利用模型提出的可执行世界和模拟生成的任务，训练 VLM 进行因果物理推理 (https://huggingface.co/papers?q=causal%20physical%20reasoning)\。在每一轮中，一个共享 VLM 提出可执行世界程序 (https://huggingface.co/papers?q=executable%20world%20programs)和证据模式；一个确定性物理引擎 (https://huggingface.co/papers?q=physics%20engine)固定每个有效世界，模拟相互匹配的基线分支和移除物体的反事实 (https://huggingface.co/papers?q=counterfactual)分支，并合成具有确定答案的离散视觉任务\。任务求解产生的精确验证器反馈既通过 GRPO (https://huggingface.co/papers?q=GRPO)更新共享策略，也更新围绕物理意图构建的自适应课程\。以 Qwen3-VL-8B-Instruct 为起点，该框架无需人工干预数据，即可在 PhysBench (https://huggingface.co/papers?q=PhysBench)、CausalPhys 和 ContPhy (https://huggingface.co/papers?q=ContPhy)上取得针对性提升，使 PhysBench (https://huggingface.co/papers?q=PhysBench)的投掷任务提高 8.8 分，并使 ContPhy (https://huggingface.co/papers?q=ContPhy)的反事实 (https://huggingface.co/papers?q=Counterfactual)移除和目标坑洞任务分别提高 7.4 分和 24.4 分\。这些提升集中在对交互敏感以及世界发生改变的问题上，表明因果原理能够零样本迁移到未见过的复杂动力学场景\（布料、流体、软体\）和真实世界视频中\。

查看 arXiv 页面 (https://arxiv.org/abs/2610.34921)查看 PDF (https://arxiv.org/pdf/2610.34921)项目页面 (https://yelonhu.github.io/physevolve-page/)GitHub2 (https://github.com/yelonhu/PhysEvolve)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.34921)

引用此论文的模型0

没有链接到此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.34921，即可从此页面链接到该模型\。

引用此论文的数据集0

没有链接到此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.34921，即可从此页面链接到该数据集\。

引用此论文的 Space0

没有链接到此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.34921，即可从此页面链接到该 Space\。

收录此论文的合集0

没有收录此论文的合集

将此论文添加到一个合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集\。

相似文章

Physis-Lang：作为视频世界模型物理表征的自进化语言

Hugging Face Daily Papers

论文提出 Physis-Lang，这是一个自进化框架，将物理语言作为跨数据整理、训练与视频生成的共享、可优化表征，同时配套推出 PhysCapBench 基准与用于打磨物理描述文本的 agentic loop（智能体循环）。借助开源的 Cosmos-Nano 骨干模型，增强后的模型在物理合理性基准上超越了闭源的 Veo 3.1。