Hugging Face · 每日论文· 媒体 / 作者来源·精选
Axiomatic World Modeling：用公理化世界建模奖励减少物理推理漂移
原文标题
Axiomatic World Modeling for Physics Reasoning
AI 导读
论文把物理推理失败归因于「建模漂移」：模型在解题前会悄悄改动题给量、编造定律或塞入未说明的假设。作者提出 RLAWM，在训练时分别对建模层和求解层给出物理约束奖励，惩罚推断出的公理化世界与题目真实物理世界之间的偏离，不增加推理成本。相对基线，PhysReason 最高提升 12.2 分，PHYSICS 提升 5.2 分；在奥赛级物理与数学上实现零样本泛化，最高为最强基线的 2.45 倍、提升 10 分。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
提出可复用的双层奖励训练框架，并在 PhysReason、PHYSICS 及奥赛题上给出具体提升幅度，适用于物理推理训练研究，范围限于论文实验。
导读由模型辅助整理，非独立核验。完整信息见原文。