arXiv · cs.AI · Zhongxiang Sun, Chenghao Yang, Haojie Ding, Boheng Zhang, Fan Yang, Qingsong Wen, Kun Wang · 9 小时前模型评分40
TriPhysBench：评估具身智能体的物理智能
TriPhysBench: Evaluating Physical Intelligence for Embodied Agents
导读
研究者提出 TriPhysBench，一个包含 200 段视频、410 道题的基准，把物理感知、物理知识检索与物理推理放进同一评测环境，六款代表性视觉语言模型中最优答案准确率仅 50.38%。配套框架 TriPhys 从完整工具调用轨迹中学习统一策略，在 110 道未参与训练的题目上，TriPhys-27B 相比其 Qwen3.6-27B 底座答案准确率相对提升 17.7%。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：embodied-ai、foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “we introduce TriPhysBench, a benchmark of 410 questions from 200 videos that brings physical perception, physical knowledge retrieval, and physical reasoning into a shared evaluation setting.”
来源：arXiv · cs.AI · arxiv.org