physics-reasoning

本文介绍了一种四阶段诊断法，用于测试大语言模型能否在不熟悉的物理框架中进行推理。研究发现，前沿模型的通过率较低，并表现出定性分析与定量分析之间的不对称性。

本文对多模态物理评估流程进行了审计，揭示了诸如训练-评估污染、翻译漂移和多项选择题(MCQ)饱和等问题。它发布了新数据集（PhysCorp-A、PhysR1Corp、PhysOlym-A）和一个训练配方（Physics-R1），显著提高了在保留的奥赛问题上的性能。

该论文介绍了 SeePhys Pro，这是一个用于诊断多模态强化学习（RL）中模态迁移问题的基准测试，揭示了模型在表征不变推理方面存在困难，且往往依赖残留的文本线索而非视觉证据。