标签
GLM-5.3 在 AI/ML API 进行的5场景物理测试中优于 Space Bunny Alpha，突显了AI物理模拟的优势和劣势。
PolyBridgeBench是一种新的可执行基准测试，用于评估多模态大型语言模型在基于物理的桥梁设计任务中的表现，揭示了结构合成与修复中确定性有效性与动态成功之间的差距。
文章聚焦于相对论性光线追踪，这是一种结合了光线追踪与相对论物理学的技术，旨在提高计算机图形学和科学可视化中的模拟精度。
REVERSAL-BENCH 引入了一个基准，用于测量无重置强化学习中的可逆性，揭示了一个'可逆性悬崖'，其中智能体在不可恢复的状态中失败。该基准包括一个连续的可逆性参数和一个重置预言机，用于在多个环境中测试状态可恢复性。
DeformSmith是一个框架，用于从文本或图像生成交互式、物理可信的可变形资产，通过物理引导的分层生成来提高质量和可信度。
论文引入了视频模型中的因果可写性，表明正确的物理运动保持可用但在关键深度后变得不可编辑，这影响了训练纠正错误的方式。
本文对用于求解逆问题的各种优化器进行基准测试，比较它们在不同物理领域和问题类型上的性能，为优化器的选择和设计提供见解。
SNAP3D引入了一个物理引导的框架，用于改进从单张图像的部件感知3D生成，确保稳定且物理有效的装配，通过仿真反馈解决部件间穿透等问题。
TRACE 是一个用于颗粒动力学的图神经网络模拟器，利用接触边记忆来提高准确性和效率，将长期展开误差降低31–62%，并实现比传统求解器更快的速度。
Puffin-World 是一个统一多模态框架，通过 Omni-Camera 表示法整合物理理解、空间模拟和3D世界生成，并使用 Puffin-16M 数据集进行扩展。
Ako AI 是一款AI驱动的在线模拟工具，可生成交互式物理课程计划，让教师能够为凸透镜成像等概念创建可拖拽的实验。
Newton's Orchard 是一个开源的浏览器端模拟游乐场，用于探索太空和重力，作为教育工具构建，具有确定性时间拖动、可编辑天体和任务等功能。
Meta Reality Labs Research 开源了 Project SuperDex，这是一个接触优先的物理引擎和平台，用于模拟灵巧操作，具有先进的接触模拟和基于VR的数据生成。
本文介绍了ShuttleArena，一个基于物理的羽毛球自对弈环境，其中代理使用PPO学习可解释的战术策略，在击球选择和恢复方面显示出竞争性改进。
Anima Anandkumar宣布启动初创公司Accelerated Understanding，该公司正在训练大规模AI模型以模拟和理解4D物理，旨在通过将上下文长度推至万亿级来加速发明和发现。
一位开发者介绍了FieldGeo，这是一组AI模型，将几何、物理和制造设计编码到潜在空间中，旨在通过更好的空间理解来增强生成设计，超越传统的AI CAD方法。
一个早期项目正在构建一个开放的、基于浏览器的竞技场，供AI代理在实时物理推理任务中竞争。演示中，一个AI代理在方块堆叠模拟中达到了100%的任务完成率和高空间准确率。
文章强调了大型语言模型缺乏对物理世界的先天理解，并介绍了一种基于傅里叶神经算子(FNO)的框架，该框架将量子动力学预测加速了10^7倍，从而实现了量子控制协议的高效逆向设计，提高了成功率。
HI-MGN 引入层次多尺度图神经网络，旨在改进基于网格的物理模拟中的长程通信，在提升准确性的同时，与现有方法相比减少训练时间和内存使用。
Eigendrum 是一款网页工具，允许用户绘制形状，并通过有限元方法求解鼓膜振动的特征值问题，从而听到形状产生的真实鼓声。