RLAWM 论文提出「建模漂移」概念：用物理公理惩罚修复 LLM 物理推理失败
Xinye Yang · hf · 2026-10-22
论文指出 LLM 在研究级物理推理基准上的失败不在知识或执行，而在对被推理世界的建模：模型会悄悄改动给定物理量、编造定律或注入无根据假设来把问题塞进熟悉的模式。作者将这种模型内部公理化世界模型与题设真实物理世界的偏差定义为 modeling drift。
- 现有 RLVR/PRM 的奖励设计不直接监督物理这类公理域的世界建模
- 提出 RLAWM：通过层次化建模与求解奖励，惩罚模型内部世界模型与真实物理公理的偏离
- 目标是提升 LLM 物理推理的可靠性（ Northwestern 与佛罗拉里大学团队，NeurIPS 2026 项目页）
「研究」频道最新
- Recursive 发布首个本地编码模型 Flint,lm_head 4bit 量化仅损 0.7 分 — _rockt · 2026-10-22
- Nature 论文用不足 1% 预训练成本把子词模型改造成字节级 Bolmo — Justgototheeffinmoon · 2026-10-22
- 清华团队提出 Agent 缓存工程,KV 缓存成本降 27.7% — dair_ai · 2026-10-22
- ETH 研究者 1 小时 vibe code 复现 SuperMimic，1.5 GPU 小时训练通过 LAFAN — ChongZzZhang · 2026-10-22
- CS 教授指出 DiT 去噪后期有效感受野远小于理论值 — CSProfKGD · 2026-10-22
- Flint 3 小时迭代出自行车需求模型：验证集 RMSLE 降 30.8% — cong_ml · 2026-10-22