MaD Physics 基准：改写物理法则考 AI，GPT-6 Astra 唯一识破异世界
weballergy · x · 2026-10-29
- MaD Physics 基准（arXiv:2605.10820）由研究者提出，用于评测科学 agent 在测量预算约束下「做有信息量的测量并推断规律」的能力，弥补现有基准只考静态知识或无约束实验设计的不足。
- 基准包含三个基于不同物理法则的环境，并刻意篡改物理定律以防止知识污染：agent 在耗尽测量预算后需推断底层规律并预测系统未来状态，同时考察「从数据推断模型」与「约束下规划」两种能力。
- 日语博主 @aidatabase 转述的实测结果称：在悄悄改写物理法则的「异世界」中，只有 GPT-6 Astra 察觉到异变并实验找出该世界的独特法则（重物下落更慢、红球相吸、重力周期性变化等），其余 11 个模型（含 GPT-6.1 Sol、Grok 4.7、Kimi K3）均未发现；GPT-6 Astra 还会在原定实验中主动搁置计划去调查异常，而 Gemini 3.7 Flash 则无视异常照常进行。
- 反向测试发现：在正常物理世界，约 1/3 的 AI 报告错误地「怀疑法则被改」。
- 注意：帖中模型名称与测试叙述来自第三方转述，正式信息以论文为准。
「模型」频道最新
- 用户质疑 Claude Desktop 的 Opus 高强度模式耗尽 5 小时限额过快 — oplaffs · 2026-10-29
- Reddit 热议 Qwen4 许可证隐忧:商用须单独授权、输出归属不清 — No-Paper-557 · 2026-10-29
- Qwen4 系列即将发布，CTO 称就在下周 — scaling01 · 2026-10-29
- 27B 开源模型 Hemmingway-1.5 通过 AI 检测器率超真人 — jacek2023 · 2026-10-29
- GPU unlock 对多数人无用:量化模型与游戏零提升,bf16 装满显存才受益 — Justify_87 · 2026-10-29
- 开发者用 Opus 5.5 做生物创建器：头手效果惊艳，身体仍待迭代 — repligate · 2026-10-29