跳到正文
Hacker News 首页

顶尖模型物理其实不差,是考题和评分标准本身出了大问题

How good are frontier models at physics?

arXiv 论文对六个常用物理基准做专家重评,发现多数被判错的案例源于评分错误、参考答案错误或题目表述不清,而非模型物理推理出错。

推荐理由:耶鲁等机构的研究者请物理专家重评六个常用物理基准,发现多数判错案例源于评分程序、参考答案或题目表述问题,而非模型推理出错。

读原文 ↗导出 Markdown