在學(xué)科競(jìng)賽領(lǐng)域，物理因題目復(fù)雜、推理強(qiáng)度高而長(zhǎng)期被認(rèn)為是人工智能（AI）最難攻克的挑戰(zhàn)之一。與語言類任務(wù)相比，物理問題往往涉及圖像識(shí)別、單位換算、公式推導(dǎo)和近似計(jì)算等多重環(huán)節(jié)，更考驗(yàn)系統(tǒng)是否具備對(duì)現(xiàn)實(shí)世界的理解與建模能力。

隨著 AI 日益深入現(xiàn)實(shí)世界，并不斷邁向通用人工智能（AGI）乃至超級(jí)人工智能（ASI），能否通過物理抽象理解世界、解決問題，正在成為打造高水平智能系統(tǒng)的關(guān)鍵。

在今年舉行的 2025 年國(guó)際物理奧林匹克競(jìng)賽中，一個(gè)名為Physics Supernova的 AI 系統(tǒng)交出了令人矚目的成績(jī)單：在 3 道理論題測(cè)試中，共獲得 23.5 分（滿分 30 分），在所有 406 名參賽選手中排名第 14，且在三道題目中均進(jìn)入人類前 10%，超過了人類金牌選手的平均得分。

該系統(tǒng)由普林斯頓大學(xué)王夢(mèng)迪教授團(tuán)隊(duì)及其合作者共同打造，兩位第一作者分別為普林斯頓大學(xué)博士 Jiahao Qiu和清華姚班大四本科生史景喆（在 2021 年國(guó)際物理奧林匹克競(jìng)賽中獲得金牌，全球排名第十）。

論文鏈接：

https://arxiv.org/abs/2509.01659

不同于依賴題庫的傳統(tǒng)方式，Physics Supernova 通過圖像分析、答案復(fù)核等工具模塊，結(jié)合 LLM 的推理能力，實(shí)現(xiàn)了從題目理解到建模計(jì)算的完整過程。這一結(jié)果顯示，合理集成工具的 Agent 架構(gòu)，能夠顯著提升 AI 在復(fù)雜科學(xué)問題上的推理與解題能力，其表現(xiàn)已逼近人類頂尖選手，為 AI 在科學(xué)探索領(lǐng)域開辟了新的可能性。

業(yè)內(nèi)專家指出，這一成績(jī)不僅顯示了AI 在物理解題上的突破性進(jìn)展，也意味著其在科學(xué)推理領(lǐng)域的應(yīng)用邊界正在被重新定義。

靠工具，AI 也能像物理學(xué)家一樣解題

Physics Supernova 是一個(gè)專為解決復(fù)雜物理理論問題設(shè)計(jì)的 AI Agent 系統(tǒng)，基于 smolagents 框架，并采用 CodeAgent 架構(gòu)。

與數(shù)學(xué)解題中常見的固定、手工編碼的工作流不同，該系統(tǒng)強(qiáng)調(diào)具備靈活自我規(guī)劃的能力，能夠根據(jù)當(dāng)前的解題進(jìn)展，動(dòng)態(tài)調(diào)用不同的工具。

圖｜Physics Supernova 的架構(gòu)與示例推理軌跡

研究團(tuán)隊(duì)為該系統(tǒng)配置了兩個(gè)面向物理問題的專用工具：圖像分析器（ImageAnalyzer）與答案復(fù)查器（AnswerReviewer）。

對(duì)于物理學(xué)家而言，解讀實(shí)驗(yàn)結(jié)果、從圖像中提取關(guān)鍵數(shù)據(jù)是十分重要能力。在部分物理奧賽題中，這甚至是解題過程的核心環(huán)節(jié)。然而，目前的 LLM 在圖表、圖像與示意圖等視覺數(shù)據(jù)的精確測(cè)量方面仍存在不足。ImageAnalyzer 則會(huì)將高分辨率圖像傳遞給專用的視覺語言模型，以執(zhí)行精確的數(shù)值讀取與測(cè)量任務(wù)。

在實(shí)際解題中，物理學(xué)家也會(huì)持續(xù)評(píng)估自己的理論結(jié)果是否具有物理意義，這包括判斷結(jié)果是否具有符合預(yù)期的物理屬性，或是否違反基本物理原理。AnswerReviewer 被用于在解題過程中識(shí)別錯(cuò)誤類型并定位錯(cuò)誤表達(dá)，從而提升系統(tǒng)的自我校正能力。

為研究各類工具對(duì)最終得分的影響，研究團(tuán)隊(duì)測(cè)試了多種工具組合。結(jié)果顯示，在大多數(shù)問題中（尤其是非簡(jiǎn)單題），移除 AnswerReviewer 會(huì)導(dǎo)致性能顯著下降。而將圖像處理任務(wù)交由 ImageAnalyzer 執(zhí)行，則能夠有效提升整體得分。

圖｜ImageAnalyzer 工具對(duì)理論題第1題C部分的影響

此外，他們還為 Physics Supernova 接入了一個(gè)用于專業(yè)領(lǐng)域知識(shí)的問答工具——WolframAlpha ，它是一款能夠提供科學(xué)問題準(zhǔn)確解答的計(jì)算型知識(shí)引擎，有助于提升系統(tǒng)在應(yīng)對(duì)專業(yè)領(lǐng)域知識(shí)時(shí)的表現(xiàn)。

金牌不是終點(diǎn)，AI 物理系統(tǒng)的下一站

實(shí)驗(yàn)是物理研究的基礎(chǔ)。研究團(tuán)隊(duì)指出，該項(xiàng)研究主要聚焦于 IPhO 2025 的理論題，未涉及基于儀器的實(shí)驗(yàn)題，部分原因在于實(shí)驗(yàn)儀器資源受限。

他們希望，隨著機(jī)器人技術(shù)的發(fā)展，未來基于 LLM 的 AI Agent 有望具備執(zhí)行實(shí)驗(yàn)題的能力。相較于實(shí)體儀器操作，程序化實(shí)驗(yàn)?zāi)軌蚰M更復(fù)雜、更高級(jí)的實(shí)驗(yàn)過程。基于程序的實(shí)驗(yàn)考試，有可能將評(píng)估重點(diǎn)從操控儀器的能力轉(zhuǎn)向理解和運(yùn)用物理的能力。

從長(zhǎng)遠(yuǎn)來看，基于儀器的實(shí)驗(yàn)評(píng)估同樣也不可或缺。這類實(shí)驗(yàn)更貼近現(xiàn)實(shí)科研情境，能夠更有效地衡量 AI 系統(tǒng)的機(jī)器人能力，并評(píng)估其在極端或非預(yù)期條件下的表現(xiàn)。

除此之外，他們使用答案復(fù)查工具來驗(yàn)證推導(dǎo)過程。該工具完全基于自然語言運(yùn)行。在數(shù)學(xué)領(lǐng)域，自動(dòng)化驗(yàn)證已經(jīng)取得了顯著進(jìn)展，LLM 可生成可驗(yàn)證的 Lean 格式證明。然而，從自然語言問題出發(fā)，推導(dǎo)物理公式并進(jìn)行自動(dòng)驗(yàn)證，目前尚無可靠的技術(shù)路徑。這仍是一個(gè)有待深入研究的方向。

研究團(tuán)隊(duì)表示，未來值得探索的方向應(yīng)包括：構(gòu)建能驗(yàn)證公式、物理表達(dá)與直觀推理之間抽象轉(zhuǎn)換的方法；建立更加嚴(yán)格、可驗(yàn)證的物理計(jì)算體系；借助具備更廣泛、更深入物理知識(shí)的工具，增強(qiáng)答案復(fù)查系統(tǒng)的能力。

總之，研究團(tuán)隊(duì)建議，未來關(guān)于 AI 物理解題系統(tǒng)的工作，應(yīng)繼續(xù)拓展其在程序?qū)嶒?yàn)或儀器實(shí)驗(yàn)方面的能力，同時(shí)增強(qiáng)其生成可驗(yàn)證、可信賴物理解答的能力。

展望未來，這類系統(tǒng)有望進(jìn)一步發(fā)展，成為能夠嵌入現(xiàn)實(shí)世界并執(zhí)行復(fù)雜物理任務(wù)的高級(jí)智能體。

整理：小羊

如需轉(zhuǎn)載或投稿，請(qǐng)直接在公眾號(hào)內(nèi)留言