北大的团队新出了一个评测 PHYBench，使用500个基于现实世界物理场景的物理问题，评估模型理解和推理现实物理过程

1. 00:36 · Apr 25, 2025 · Fri

   北大的团队新出了一个评测 PHYBench，使用500个基于现实世界物理场景的物理问题，评估模型理解和推理现实物理过程。
   
   得分来看 Gemini-2.5-Pro 仍然是目前最猛
   
   论文地址：www.alphaxiv.org/abs/2504.16074
   
   #AI生活指南# #ai创造营# ​​​http://m.weibo.cn/status/5159212599740050?