开源模型PhysVLM通过分析游戏视频中的物理故障，提升了AI对物理常识的理解，准确率超越GPT-4o达3.4%。该模型在PhysGame和Video-MME等多个基准测试中表现优异，展现了其在视频理解领域的先进性能。

研究发现，语言模型与人类在处理语言时存在差异，未能很好地捕捉情感理解、比喻语言处理和物理常识等现象。通过细化调整语言模型，使其在这些任务中与人类大脑的反应更加一致。差异可能源于语言模型对特定类型知识的不足表示。