耶鲁学者重评物理基准：前沿模型几乎全部饱和

一篇由耶鲁物理学家牵头、50 余位专家署名的 arXiv 论文《How Good Are Frontier Models at Physics?》对主流物理基准进行专家复核，发现许多被记录的模型「失败」实际源于基准题目本身或评分错误。修正后重新评估显示，前沿大模型在多数物理基准上已接近或达到饱和水平。

2026-09-15 ~ 2026-09-16 · 3 条相关

• 耶鲁物理学家重评前沿模型：多数物理基准被评错，几乎全部饱和 — inductionheads · 2026-09-15
• 博主指出:多份基准测试的多数错误源自评测本身而非模型 — zainhas · 2026-09-16
• 50 余位专家重批物理基准:多数错误来自题目与评分,前沿模型接近饱和 — zainhas · 2026-09-16