Physics-IQ 审计揭示视频模型物理基准存在严重缺陷

一项新的 Physics-IQ 审计发现，视频模型所谓的“物理准确”表现很大程度上取决于基准测试本身的可靠性。研究指出，现有基准存在明显缺陷，超过三分之一的提示词存在歧义，且约 30% 的视频存在抬高模型分数的伪影。这些问题直接影响了模型物理能力的评估，甚至可能导致模型排名发生重排。

2026-07-25 ~ 2026-07-25 · 2 条相关

• Physics-IQ 审计发现，歧义提示和伪影会重排视频模型排名 — DynamicWebPaige · 2026-07-25

另有 1 条近重复转述:DynamicWebPaige