官方网站-首页
2025-09-18 09:00:55
【导语】长久以来，物理因题目复杂、推理强度高被视为AI在学科竞赛领域最难攻克的挑战之一。今年2025国际物理奥赛中，普林斯顿大学王梦迪教授团队打造的Physics Supernova系统成绩亮眼，在理论题测试中排名第14，表现超人类金牌选手平均分。该系统靠工具实现完整解题过(guò)程(chéng)，为(wèi)AI科(kē)学(xué)探(tàn)索(suǒ)开(kāi)辟(pì)新可能，不过AI物理解题系统未来仍有诸多方向值得探索。
在学科竞赛领域，物理因题目复杂、推理强度高而长期被认为是人工智能（AI）最难攻克的挑战之一。与语言类任务相比，物理问题往往涉及图像识别、单位换算、公式推导和近似计算等多重环节，更考验系统是否具备对现实世界的理解与建模能力。
随着 AI 日益深入现实世界，并不断迈向通用人工智能（AGI）乃(nǎi)至超级人工智能（ASI），能否通过物理抽象理解世界、解决问题，正在成为打造高水平智能系统的关键。
在今年举行的 2025 年国际物理奥林匹克竞赛中，一个名为 Physics Supernova 的 AI 系统交出了令人瞩目的成绩单：在 3 道理论题测试中，共获得 23.5 分（满分 30 分），在所有 406 名参赛选手中排名第 14，且在三道题目中均进入人类前 10%，超过了人类金牌选手的平均得分。
该系统由普林斯顿大学王梦迪教授团队及其合作者共同打造，两位第一作者分别为普林斯顿大学(xué)博(bó)士(shì) Jiahao Qiu 和(hé)清(qīng)华(huá)姚(yáo)班(bān)大(dà)四(sì)本(běn)科(kē)生(shēng)史(shǐ)景(jǐng)喆(zhé)（在(zài) 2021 年(nián)国(guó)际(jì)物(wù)理(lǐ)奥(ào)林(lín)匹(pǐ)克(kè)竞(jìng)赛(sài)中(zhōng)获(huò)得(de)金(jīn)牌(pái)，全球(qiú)排(pái)名第(dì)十(shí)）。
不(bù)同(tóng)于(yú)依(yī)赖(lài)题(tí)库(kù)的传统方式，Physics Supernova 通过图像分析、答案复核等工具模块，结合 LLM 的推理能力，实现了从题目理解到建模计算的完整过程。这一结果显示，合理集成工具的 Agent 架构，能够显著提升 AI 在复杂科学问题上的推理与解题能力，其表现已逼近人类顶尖选手，为 AI 在科学探索领域开辟了新的可能性。
业内专家指出，这一成绩不仅显示了 AI 在物理解题上的突破性进展，也意味着其在科学推理领域的应用边界正在被重新定义。
靠工具，AI 也能像物理学家一样解题
Physics Supernova 是一个专为解决(jué)复(fù)杂(zá)物(wù)理(lǐ)理(lǐ)论(lùn)问(wèn)题(tí)设(shè)计(jì)的(de) AI Agent 系(xì)统(tǒng)，基(jī)于(yú) smolagents 框(kuāng)架(jià)，并(bìng)采用(yòng) CodeAgent 架(jià)构(gòu)。
与(yǔ)数(shù)学(xué)解(jiě)题(tí)中(zhōng)常(cháng)见(jiàn)的固定、手工编码的工作流不同，该系统强调具备灵活自(zì)我(wǒ)规(guī)划(huà)的(de)能(néng)力(lì)，能(néng)够(gòu)根(gēn)据(jù)当(dāng)前(qián)的(de)解(jiě)题(tí)进(jìn)展(zhǎn)，动(dòng)态(tài)调(diào)用(yòng)不(bù)同(tóng)的(de)工(gōng)具(jù)。
图｜Physics Supernova 的架构与示例推理轨迹
研究团队为该系统配置了两个面向物理问题的专用工具：图像分析器（ImageAnalyzer）与答案复查器（AnswerReviewer）。
对于物理学家而言，解读实验结果、从图像中提取关键数据是十分重要能力。在部分物理奥赛题中，这甚至是解题过程的核心环节。然而，目前的 LLM 在图表、图像与示意图等视觉数据的精确测量方面仍存在(zài)不足。ImageAnalyzer 则会将高分辨率图像传递给专用的视觉语言模型，以执行精确的数值读取与测量任务。
在实际解题中，物理学家也会持续评估自己的理论结果是否具有物理意义，这包括判断结果是否具有符合预期的物理属性，或是否违反基本物理原理。AnswerReviewer 被用于在解题过程中识别错误类型并定位错误表达，从而提升系统的自我校正能力。
为研究各类工具对最终得分的影响，研究团队测试了多种工具组合。结果显示，在大多数问题中（尤其是非简单题），移除 AnswerReviewer 会导致性能显著下降。而将图像处理任务交由 ImageAnalyzer 执行，则能够有效提升整体得分。
图｜ImageAnalyzer 工具对理论题第1题C部分的影响
此外，他(tā)们(men)还(hái)为(wèi) Physics Supernova 接(jiē)入(rù)了(le)一(yī)个(gè)用(yòng)于(yú)专(zhuān)业(yè)领(lǐng)域知(zhī)识(shi)的(de)问(wèn)答(dá)工(gōng)具(jù)——WolframAlpha ，它是一款能够提供科学问题准确解答的计算型知识引擎，有助于提升系统在应对专业领域知识时的表现。
金牌不是终点，AI 物理系统的下一站
实验是物理研究的基础。研究团队指出，该项研究主要聚焦于 IPhO 2025 的理论题，未涉及基于仪器的实验题，部分原因在于实验仪器资源受限。
他们希望，随着机器人技术的发展，未来基于 LLM 的 AI Agent 有望具备执行实验题的能力。相较于实体仪器操作，程序化实验能够模拟更复杂、更高级的实验过程。基于程序的实验考试，有可能将评估重点从操控仪器的能力转向理解和运用物理的能力。
从长远来看，基于仪器的实验评估同样也不可或缺。这类实验更贴近现实科研(yán)情(qíng)境(jìng)，能(néng)够(gòu)更(gèng)有(yǒu)效(xiào)地(de)衡(héng)量(liàng) AI 系(xì)统(tǒng)的(de)机(jī)器(qì)人(rén)能(néng)力(lì)，并(bìng)评(píng)估(gū)其(qí)在(zài)极(jí)端(duān)或(huò)非(fēi)预(yù)期(qī)条(tiáo)件(jiàn)下(xià)的(de)表(biǎo)现(xiàn)。
除(chú)此(cǐ)之(zhī)外(wài)，他(tā)们(men)使(shǐ)用(yòng)答(dá)案(àn)复(fù)查(chá)工(gōng)具(jù)来(lái)验(yàn)证推导过程。该工具完全基于自然语言运行。在数学领域，自动化验证已经取得了显著进展，LLM 可生成可验证的 Lean 格式证明。然而，从自然语言问题出发，推导物理公式并进行自动验证，目前尚无可靠的技术路径。这仍是一个有待深入研究的方向。
研究团队表示，未来值得探索的方向应包括：构建能验证公式、物理表达与直观推理之间抽象转换的方法；建立更加严格、可验证的物理计算体系；借助具备更广泛、更深入物理知识的工具，增强答案复查系统的能力。
总之，研究团队建议，未来关于 AI 物理解题系统的工作，应继续拓展其在程序实验或仪器实验方面的能力，同时增强其生成可验证、可信赖物理解答的能力。
展望未来，这类系统有望进一步发展，成为能够嵌入现实世界并执行复杂物理任务的高级智能体。
400-86503662
DeepSeek-V3.1发布！国产算力将迎来哪些突破？
