量子位
·
开源模型首次物理奥赛夺金！上海AI Lab 235B模型击败GPT5和Grok4
💡
原文中文，约2800字，阅读约需7分钟。
📝
内容提要
上海AI Lab的P1-235B-A22B模型在国际物理奥林匹克竞赛中获得金牌，得分21.2，超越了GPT-5和Grok-4，标志着开源模型在物理推理能力上达到了新高度。
🎯
关键要点
- 上海AI Lab的P1-235B-A22B模型在国际物理奥林匹克竞赛中获得金牌，得分21.2。
- P1-235B-A22B在HiPhO基准测试中获得12金1银，与谷歌Gemini-2.5-Pro并列奖牌榜第一。
- 开源模型在物理推理能力上超越了GPT-5和Grok-4，标志着开源模型的进步。
- 研究团队构建了HiPhO基准测试，专注于最新物理奥赛，采用人类对齐评估。
- P1系列模型采用多阶段强化学习训练，提升了物理推理能力。
- PhysicsMinions是一个协同进化多智能体系统，提升了物理推理的质量和鲁棒性。
- P1-235B-A22B在HiPhO基准测试中表现卓越，成为唯一获得金牌的开源模型。
- P1模型在多个领域的能力也得到提升，证明了物理推理能力的泛化性。
❓
延伸问答
P1-235B-A22B模型在国际物理奥林匹克竞赛中获得了什么成绩？
P1-235B-A22B模型在国际物理奥林匹克竞赛中获得金牌，得分21.2。
HiPhO基准测试的目的是什么？
HiPhO基准测试旨在准确评估物理奥赛的表现，采用人类对齐评估。
P1系列模型是如何提升物理推理能力的？
P1系列模型通过多阶段强化学习训练和上下文窗口扩展来提升物理推理能力。
PhysicsMinions系统的作用是什么？
PhysicsMinions是一个协同进化多智能体系统，旨在提升物理推理的质量和鲁棒性。
P1-235B-A22B模型在HiPhO基准测试中的表现如何？
P1-235B-A22B在HiPhO基准测试中获得12金1银，表现卓越，成为唯一获得金牌的开源模型。
开源模型在物理推理能力上与闭源模型相比如何？
开源模型在物理推理能力上已超越闭源模型，如GPT-5和Grok-4。
➡️
