淘宝天集团 发布 DeepPHY Benchmark Suite 数据集, 应用在 物理推理、视觉语言模型 领域

淘宝天集团 本次发布的数据集 DeepPHY Benchmark Suite, DeepPHY是一个用于评估视觉语言模型（VLMs）在物理推理方面的基准框架。该数据集包含六个具有不同难度的基于物理的模拟环境，并采用细粒度的评估指标。DeepPHY旨在帮助研究人员揭示当前VLMs在复杂物理交互、长期规划和动态适应方面的边界和核心不足。

查看DeepPHY Benchmark Suite

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。