arXiv Artificial Intelligence· Ruoran Xu, Wending Gao, Liyunfeng Chen, Aixin Shi, Haoyu Cheng, Zixiang Fang, Yiqiang Zou, Qiufeng Wang·· 20 小时前AI 评分38
PhysElite：LLM 距离解决奥赛级物理题还有多远？
PhysElite: How Far Are LLMs from Solving Olympiad-Level Physics Problems?
AI 导读
研究团队发布 PhysElite，一个面向奥赛级物理推理的大规模双语多模态基准，包含 11,586 道奥赛级题目，每题配有对应图示、中英双语分步解答推导和最终答案。团队对 18 个开源与闭源 MLLM 进行评测，最强模型答案准确率仅 33.7%，并额外开展步骤级过程评估以诊断模型在推理链中的失败环节。数据集已公开。
来源：arXiv Artificial Intelligence · arxiv.org