新基准显示视觉语言模型物理推理准确率仅约五成。
资讯摘要
论文提出 TriPhysBench，一个包含 200 段视频、410 个问题的基准，将物理感知、物理知识检索与物理推理纳入统一评测。作者报告六个代表性视觉语言模型中最佳答案准确率仅 50.38%。论文还提出 TriPhys 框架，从完整工具集成轨迹学习统一策略，在训练外视频的 110 个问题上，TriPhys-27B 相对 Qwen3.6-27B 主干答案准确率提升 17.7%。
要点速读
- TriPhysBench 含 200 段视频的 410 个问题，覆盖物理感知、知识检索与推理三类能力。
- 作者报告六个视觉语言模型中最佳答案准确率为 50.38%。
- TriPhys 从工具集成轨迹学习策略，TriPhys-27B 答案准确率相对主干提升 17.7%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。