AI会做物理题吗？我们熟悉的成绩单可能其实是“伪造”的

想象一下。你在学生时代参加物理考试，答卷上的解题过程、公式和结果都完美无缺，老师却告诉你“回答错误”，并给了你零分。你会觉得委屈吗？最近，人工智能（AI）领域正在上演同样的一幕。长期以来，我们一直认为“最新AI模型在物理领域依然挣扎”，但事实证明，这种评估标准本身就是“损坏”的。

这为什么重要？

换句话说，物理学是衡量AI是否真的在“思考”，而非仅仅是“复制”数据的极佳尺度。如果AI能完美解答物理题，我们可以期待AI在某种程度上理解了现实世界的原理。

简单易懂：一份“损坏”的参考答案

为什么我们一直以为AI不擅长物理呢？简单打个比方。我们让AI解答一道极难的拼图，但拼图的评分方式却一塌糊涂。

这就好比我们一直以为是一个只会做简单小学数学题的孩子，其实早已具备了解决大学数学题的能力。

我们现在处于什么位置？

那么，AI现在是否已经精通世间万物之理了呢？并不尽然。研究表明，虽然AI模型在观察物体并识别其位置的“感知能力”上表现出色，但在预测物体未来运动轨迹的“物理推理”方面，有时仍会显露局限性（出处: Does Physics Knowledge Emerge in Frontier Models? — Lacuna）。

也就是说，它很清楚苹果在那里，但要计算苹果掉落时会划出怎样的轨迹并落在何处，则是另一回事。高感知准确率并不直接等同于深层次的物理逻辑能力（出处: Does Physics Knowledge Emerge in Frontier Models? — Lacuna）。

未来会怎样？

未来，我们需要超越以单纯解题为中心的评估方式，引入更加精密的评估方法，以衡量AI对物理定律的理解与应用逻辑。在技术发展速度完全超越评价体系的今天，我们不仅需要驾驭AI的技术，更需要一把能精准洞察AI能力的“放大镜”。

参考资料

1. [2609.13009v1] How Good Are Frontier Models at Physics? (https://arxiv.org/abs/2609.13009v1)

2. How Good Are Frontier Models at Physics?

   alphaXiv (https://www.alphaxiv.org/abs/2609.13009)

3. How good are frontier models at physics?

   Hacker News (https://news.ycombinator.com/item?id=49731620)

4. [2609.13009] How Good Are Frontier Models at Physics? Expert Re-Grading Reveals Broken Evaluations and Near-Saturation of Leading Benchmarks (https://arxiv.org/abs/2609.13009)
5. [Paper Note] How Good Are Frontier Models at Physics? Expert Re-Grading Reveals Broken Evaluations and Near-Saturation of Leading Benchmarks (https://github.com/AkihikoWatanabe/paper_notes/issues/6574)
6. How Good Are Frontier Models at Physics? Expert Re-Grading Reveals Broken Evaluations and Near-Saturation of Leading Benchmarks (https://arxiv.org/html/2609.13009)
7. Does Physics Knowledge Emerge in Frontier Models? — Lacuna (https://lacuna.tiptreesystems.com/work/does-physics-knowledge-emerge-in-frontier-models/wrk_5011f7d6acc6fe82d5198eb25de3c61d)