arXiv · cs.AI· YingQiao Wang, Eric Bigelow, Tomer Ullman, Yujin Tang, Sebastian Risi·· 5 小时前
多模态语言模型融合模拟与思维链进行物理推理
Integrating Simulation and Chain-of-thought Reasoning in Multimodal-Language Models For Physical Reasoning
arXiv:2610.19441v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：YingQiao Wang, Eric Bigelow, Tomer Ullman, Yujin Tang, Sebastian Risi
研究任务与主要进展
研究提出一种认知启发式混合模型，在测试时根据任务需求选择生成式模拟或基于语言的思维链推理，以改善流体动力学和弹性等物理推理任务的准确率与计算效率。作者称，该方法可在仅4B参数的小型视觉语言模型上训练，并部署到超过3T参数的 Gemini 3 Pro 等更大模型上以提升性能；具体基线和实验结果未在摘要中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org