多语言人工智能系统在多学科物理概念评估中的表现

本研究探讨了一种基于大型语言模型的人工智能系统GPT-4o在多语言和多模态下的表现，针对跨多个语言和学科的物理概念评估进行了分析。研究发现该系统在每个学科的表现存在差异，尤其在实验技能方面表现最差，并且在需要视觉图像解读的问题上其表现较差。总体上，该系统在大多数学科中超越了本科生的平均水平，具有重要的教育应用潜力。