网易首页 > 网易号 > 正文 申请入驻

国产AI拿下国际物理奥赛金牌,13项顶级竞赛豪取12金1银,开源

0
分享至

西风 发自 凹非寺
量子位 | 公众号 QbitAI

首个拿下国际物理奥林匹克竞赛IPhO 2025理论考试金牌的开源模型,出自国产

上海人工智能实验室团队推出新模型家族,代号P1

在IPhO 2025理论考试中,P1-235B-A22B取得21.2/30分成为首个达到该金牌线的开源模型,仅次于Gemini-2.5-Pro与GPT-5。

不仅如此,引入PhysicsMinions智能体框架后,P1成绩进一步提升

在团队构建的包含最新13项顶级物理竞赛的HiPhO基准上,P1-235B-A22B平均成绩从35.9提高到38.4,在所有33个顶流模型中排名第一,超过Gemini-2.5-Pro(37.7)和GPT-5(37.4)。

并且,在中国物理奥林匹克CPhO 2025人工评分中,P1-235B-A22B获得227/320分,显著超过当届全国金牌第一名人类选手(199分)。

开源方面团队也做得很彻底,从模型、算法到评测集、再到智能体框架,都将全链路开源。

下面具体来看P1究竟是如何做到的。

多阶段强化学习+智能体框架

为让模型学习类似人类顶尖学生的推理思路,团队首先构建了一个高质量的物理训练数据集

该数据集由5065道奥赛级文本物理题构成, 其中包含4126道物理奥赛真题与939道竞赛教材题目,覆盖力学、电磁学、热学、光学、近代物理等五大领域和二十五个子领域

这些题目极长而复杂,平均题干367 tokens,最长3386 tokens;平均解答349 tokens,最长5519 tokens

每一道都包含题目(Question)、完整专家解答(Solution)以及可规则验证的标准答案(Answer)。

为了确保数据质量,团队采用Gemini-2.5-Flash、Claude-3.7-Sonnet、GPT-4o三大模型交叉验证答案、人工检查OCR错误、删除无法规则判题的题目.

构造数据只是基础。

随后,P1采用了多阶段强化学习流程进行训练。

物理解题被形式化为一个序列决策问题:模型在每个状态下生成下一个token,直到输出完整解答;最终奖励则由模型解出的答案是否正确来决定。

作者采用了基于策略梯度的方法进行训练,但并非直接使用PPO,而是采用了为长链推理优化过的GSPO(Group Sequence Policy Optimization)。这一方法不是对单条序列进行更新,而是在每个题目上采样若干条完整解答,把它们作为一个group,通过它们的相对收益构建优势函数。这样可以缓解物理题奖励极其稀疏、解题过程成千上万token但只在最后一步有信号的问题。

为了让GSPO能稳定工作,团队构建了一套精密的奖励系统和判题器。在训练阶段,模型的最终答案必须严格按照预设格式输出。这样的结构化输出使得判题器可以可靠地提取模型答案,再通过符号计算工具判断模型解答与标准答案是否等价。

然而,物理题往往包含多个子问题,或者需要给出多个最终结果。为适应这种结构,团队采用类似程序评测中“测试用例式”的奖励聚合方式,将最终奖励定义为:

整个训练过程中,作者严格只使用规则判题器,以避免模型试图通过学习某种写作风格来“讨好”模型型判题器。

随着训练推进,模型会出现可学习性下降,表现为梯度无法指向有效方向、熵急剧下降、模型只学到模板化表达等。

团队针对这一点提出了两个创新处理方法。

其一,基于题目难度(以基座模型的多采样通过率衡量)进行动态数据筛选。那些基座模型完全做不出来的题,由于全部生成轨迹奖励都为零,会让RL难以学习;那些太容易的题则会降低多样性、诱发熵坍塌。团队因此设定只保留通过率在0到0.7之间的题目进入训练。

其二,随着训练进行逐步扩展模型的探索范围:一方面增加每题采样的解答条数,使模型更有机会找到“高质量轨迹”;另一方面扩大模型可生成的最大长度,让模型能完成越来越复杂的问题

整个RL训练都通过这种多阶段策略推进,使模型在能力提升的同时保持稳定的可学习性。

另外,训练时使用的概率与推理时生成时的概率存在不可避免的偏差。

由于推理往往通过vLLM或SGLang等专门推理引擎进行,而训练则在Megatron或FSDP框架中完成,二者的浮点实现存在微小差异,模型在训练中看到的“旧策略”与真实采样策略并非完全一致。

为此,团队引入了Truncated Importance Sampling(TIS),用一个被截断的策略比重来校正这种偏移。

在推理阶段,P1引入了专为物理推理设计的协同进化多智能体系统——PhysicsMinions,以进一步提升解题质量。

PhysicsMinions在原设计中由三个交互式模块组成:视觉工作室(Visual Studio)、逻辑工作室(Logic Studio)和审查工作室(Review Studio)。

Visual Studio会首先观察、验证并反思输入内容,将其转化为结构化信息,再交给Logic Studio。Logic Studio中,solver会生成初始解答,而introspector则通过自我改进机制进一步优化解答。随后,解答将交由Review Studio进行双阶段审查,Physics-Verifier负责检查物理一致性,General-Verifier则进一步检查逻辑、推理过程和计算细节。

如果任一审查阶段未通过,系统会返回一份详细的错误报告给Logic Studio,由introspector根据报告修正解答,并再次提交给Review Studio。

这一流程会不断循环,直到解答连续通过预设次数的审查(CV),CV也是系统中唯一的超参数。

团队特别指出,由于P1是纯文本模型,系统中的Visual Studio被关闭,但Logic Studio与Review Studio的协作仍能显著提高推理稳定性与最终表现:

他们在Logic Studio中实例化P1作为solver,并在Review Studio中以P1分别担任两个审查器,从而完成 PhysicsMinions内的推理协同过程。

单一模型,13场比赛取得12金1银

实验阶段,团队构建了一个新的高难度评测集HiPhO,用来对P1系列模型进行系统性测评。

同时将其与包括GPT-5、Gemini-2.5、Claude-4-Sonnet、Grok-4、DeepSeek系列、Qwen3系列在内的33个模型( 11个闭源22个开源)进行了全面对比

HiPhO覆盖了2024–2025年最新13场物理赛事的理论题,包括IPhO、APhO、EuPhO这样的国际赛事,以及NBPhO、PanPhO、F=MA等区域性高难赛事。

在统一的评分体系下,P1-235B-A22B单一模型(不使用多智能体)就已经在13场比赛中取得12金1银,与Gemini-2.5-Pro、Gemini-2.5-Flash-Thinking并列第一(GPT-5 11金、Grok-4 10金、Claude-4-Sonnet-Thinking 8金)。

在IPhO 2025中获得21.2/30分,排名第三,仅次于Gemini-2.5-Pro与GPT-5,是第一个达到该金牌线的开源模型。

同时,轻量级模型P1-30B-A3B的成绩同样亮眼:8金4银1铜,排名开源模型第三,超过o4-mini、Claude-4-Sonnet等闭源模型。

与PhysicsMinions框架结合后,P1-235B-A22B分数从平均35.9提升到38.4,超过Gemini-2.5-Pro(37.7)与GPT-5(37.4),成为整体第一。

团队进一步在CPhO 2025(中国物理奥林匹克竞赛)上评估了P1-235B-A22B。

在理论考试中,P1-235B-A22B得分为227/320,由人类专家严格按照官方评分标准进行评阅。这个分数显著高于当届人类金牌第一名的199分。

此外,论文还展示了一个有趣的效应:

团队通过专门的数据集对模型进行后训练,强化其物理解题能力。结果发现,这样高度定向、强调物理推理结构的训练不仅没有损害模型的通用能力,反而让P1在数学、STEM、代码和通用推理多个任务上都比其基座模型表现更佳,说明复杂物理推理训练具有跨领域的迁移价值。

团队简介

P1团队来自上海人工智能实验室,论文共同一作有三位。

Jiacheng Chen,香港中文大学计算机科学与工程学系的博士生,本科毕业于华南理工大学。

其本人主要研究方向为自然语言推理和强化学习。

Qianjia Cheng,现为浙江大学博士生,本科毕业于北京航空航天大学,曾和AI大牛陶大程共同发表过论文。

Fangchen Yu,香港中文大学(深圳)计算机与信息工程博士生,2020年本科毕业于中国科学院大学。

他对机器学习有广泛兴趣,特别关注AI for Science、(多模态)大语言模型,以及面向人工智能的统计方法。

论文链接:https://arxiv.org/abs/2511.13612
项目主页:https://prime-rl.github.io/P1/
[1]https://jc-chen1.github.io/
[2]https://openreview.net/profile?id=~Fangchen_Yu1
[3]https://openreview.net/profile?id=~Qianjia_Cheng1

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
突发:克里米亚大桥遭袭 交通暂时受限 俄方没有透露袭击造成的具体损失

突发:克里米亚大桥遭袭 交通暂时受限 俄方没有透露袭击造成的具体损失

每日经济新闻
2026-11-16 17:29:41
世界首款“口袋级”外骨骼机器人,只有1.8公斤!肯綮科技余运波在深圳做出全球生意

世界首款“口袋级”外骨骼机器人,只有1.8公斤!肯綮科技余运波在深圳做出全球生意

时代周报
2026-11-15 20:14:12
中国已经成为全球第一个集体拒接电话的国家

中国已经成为全球第一个集体拒接电话的国家

黯泉
2026-06-26 10:44:35
物业费不再归物业,物业改革终于来了!

物业费不再归物业,物业改革终于来了!

职场资深秘书
2026-11-16 14:18:22
69岁赵本山进录音棚,把AI替他唱的歌亲自唱了一遍!3小时点赞破百万,网友:这一嗓子仿佛又回到小时候

69岁赵本山进录音棚,把AI替他唱的歌亲自唱了一遍!3小时点赞破百万,网友:这一嗓子仿佛又回到小时候

都市快报橙柿互动
2026-11-15 21:11:29
上海龙华寺附近疑似有人放生大量鹦鹉、珍珠鸟,志愿者:已救助上百只,有的鸟体内检出传染性致病病毒!

上海龙华寺附近疑似有人放生大量鹦鹉、珍珠鸟,志愿者:已救助上百只,有的鸟体内检出传染性致病病毒!

环球网资讯
2026-11-15 19:39:42
葡媒怒批葡萄牙足协:致敬C罗的方式像是葬礼

葡媒怒批葡萄牙足协:致敬C罗的方式像是葬礼

懂球帝
2026-11-16 18:54:29
杨瀚森取消开拓者认证!离队或进入倒计时,这八天到底发生了什么

杨瀚森取消开拓者认证!离队或进入倒计时,这八天到底发生了什么

大鱼简科
2026-11-16 14:21:58
中国首富张一鸣建议公司员工,不要住在城乡结合部,应该全部住在北京市区,哪怕房子小点,省下的时间可以健身读书看电影!

中国首富张一鸣建议公司员工,不要住在城乡结合部,应该全部住在北京市区,哪怕房子小点,省下的时间可以健身读书看电影!

财经要参
2026-11-09 12:00:05
lisa表演大玩擦边!钱别腰侧、又脏又油,母亲过往被扒原早有源头

lisa表演大玩擦边!钱别腰侧、又脏又油,母亲过往被扒原早有源头

月光作笺a
2026-11-16 18:21:11
一旦恢复该规定,中国结婚率或将大幅上涨,离婚率也会有所下降

一旦恢复该规定,中国结婚率或将大幅上涨,离婚率也会有所下降

福建睿平
2026-10-28 07:23:25
26分钟得0分!年薪4900万!又一个比尔式悲剧诞生了

26分钟得0分!年薪4900万!又一个比尔式悲剧诞生了

篮球大视野
2026-11-16 19:14:20
中国男篮热身赛不敌北控,浙江男篮官宣新外援,邹阳表态时刻准备为国出战

中国男篮热身赛不敌北控,浙江男篮官宣新外援,邹阳表态时刻准备为国出战

中国篮坛快讯
2026-11-16 16:21:13
记录报:B席不满在国家队出场时间,与热苏斯沟通后离队

记录报:B席不满在国家队出场时间,与热苏斯沟通后离队

懂球帝
2026-11-16 20:30:11
中国出现了一个很可怕的现象:父母在集体撤退,孩子在进攻!

中国出现了一个很可怕的现象:父母在集体撤退,孩子在进攻!

解说阿洎
2026-11-13 08:23:20
创指跌超4.7%,科创50跌超6%

创指跌超4.7%,科创50跌超6%

澎湃新闻
2026-11-16 15:11:06
1夜3笔签约!骑士签22+7+4前锋,湖人旧将加盟老鹰,雷霆认领后卫

1夜3笔签约!骑士签22+7+4前锋,湖人旧将加盟老鹰,雷霆认领后卫

球盲姐
2026-11-16 21:18:35
中美建交47年,还没有任何一个在任美国总统敢落地台湾。

中美建交47年,还没有任何一个在任美国总统敢落地台湾。

叶葉夜
2026-11-15 13:56:44
男子卖旧冰箱被废品回收报价50元,自己拆解卖260元,家电回收究竟有多赚钱?怎样判断回收报价是否合理?

男子卖旧冰箱被废品回收报价50元,自己拆解卖260元,家电回收究竟有多赚钱?怎样判断回收报价是否合理?

之乎者也小鱼儿
2026-11-16 09:07:09
西安投资控股有限公司原总经理赵泉接受纪律审查和监察调查

西安投资控股有限公司原总经理赵泉接受纪律审查和监察调查

环球网资讯
2026-11-16 09:44:13
2026-11-16 22:15:00
量子位 incentive-icons
量子位
追踪人工智能动态
13685文章数 176600关注度
往期回顾 全部

科技要闻

历史头一回!马斯克用"筷子"夹住太空飞船

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

体育要闻

NBA开赛最大惊喜,是他们?

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

房产
时尚
健康
手机
家居

房产要闻

从林屿间到林屿熙岸,招商蛇口在崖州湾为何总出爆款?

“小棕裙”今年冬天爆火,这样穿时髦又松弛!

情绪真能让健康人"伤心至死"?

手机要闻

鞠婧祎代言 荣耀700系列四款高颜值配色公布:全系标配原生AI背屏

家居要闻

2026建博会(广州) 公装联探展交流活动

无障碍浏览 进入关怀版