RLAWM：用公理化世界建模强化学习提升物理推理
原文标题：Axiomatic World Modeling for Physics Reasoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出建模漂移概念，指模型内部公理化世界模型与题目真实物理世界之间的偏差。作者提出 RLAWM，在训练阶段用物理约束奖励分别监督建模与求解两个层级，无需推理期额外开销。在 PhysReason 上提升 12.2 分、PHYSICS 上提升 5.2 分，并在奥赛级物理与数学题上零样本泛化。
- 问题
- 物理推理失败源于模型擅自改量、编造定律，在被扭曲的世界里推理。
- 方法
- 定义建模漂移，用物理约束奖励在建模与求解两层分别监督，训练期完成、推理期无额外开销。
- 结果
- PhysReason 提升 12.2 分，PHYSICS 提升 5.2 分，奥赛级物理与数学题零样本泛化。
- 影响
- 给做推理模型训练的团队一条可复用路径：奖励信号直接约束世界建模，而非只约束答案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RLAWM 用物理约束奖励监督世界建模，PhysReason 提升 12.2 分
- •提出「建模漂移」：模型静默改动题给量、编造定律或注入未声明假设，再在被污染的世界里推理
- •RLAWM 在建模与求解两个层级分别用物理约束奖励监督，无需推理期额外开销
- •PhysReason 提升 12.2 分、PHYSICS 提升 5.2 分，并在奥赛级物理与数学题上零样本泛化
- •指出 RLVR 与 PRM 的奖励形状无法直接监督公理化领域的世界建模
为什么重要：把物理推理的失败归因从知识/计算转向前提建模，为 RL 奖励设计提供了新方向，对做推理模型后训练的团队有参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。