physics-benchmark

Principia 是一个基准测试，它通过成对对象之间的一致性关系来评估视频模型在牛顿物理学方面的表现，揭示了当前模型在物理推理方面的重大差距。

OmniPhys 是一个大规模的多模态基准测试，专注于物理理解与生成，涵盖了从中学到大学级别的问题，源自中国教育语料库。其目标是评估并推动多模态大型语言模型在科学领域的发展。

介绍了HExA，一个无需训练的框架，使LLM能够通过主动实验和技能复用来学习，在新的Interphyre物理基准测试中实现了高达77%的成功率，比现有智能体有大幅提升。