WorldSolver评估智能体生成物理求解器

Siru Jiang等人在arXiv论文中提出WorldSolver基准，用于评估大语言模型智能体生成物理动力学求解器的能力。基准包含来自61篇经典计算机图形学论文的168个任务，覆盖7个物理领域；每项任务提供固定的场景仿真环境代码框架，智能体需补全求解器实现。 评测从可执行性、渲染仿真的视觉相似度和物理合理性三个维度进行。作者称，前沿智能体生成可运行的求解器本身已较困难，同时满足视觉和物理正确性更难；GPT-5.6-Sol和Claude-Opus-5在所测智能体中相对领先，但总体得分仅为48.7%和46.7%。

AI 根据报道生成 · 39 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。