计算机科学 > 机器学习
[提交于 2025年5月30日
]
标题: PhySense:基于原理的物理推理大型语言模型基准测试
标题: PhySense: Principle-Based Physics Reasoning Benchmarking for Large Language Models
摘要: 大型语言模型(LLMs)快速发展,越来越能够应对包括物理学在内的复杂科学问题。尽管取得了这些进展,当前的LLMs往往无法模拟人类专家基于原理的简洁推理方式,而是生成冗长且晦涩的解决方案。这种差异凸显了它们在应用核心物理原理以实现高效且可解释的问题解决方面的能力差距。 为了系统地研究这一局限性,我们引入了PhySense,这是一个新颖的基于原理的物理推理基准测试,旨在通过指导原则让专家轻松解决,但对于没有优先考虑原理的LLMs来说却出人意料地困难。 我们的评估涵盖了多种最先进的LLMs和提示类型,揭示了它们一致未能与专家式的推理路径保持一致,为开发具有高效、稳健且可解释的基于原理的科学推理AI系统提供了见解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.