Buchumschlag

PhysGym: Benchmarking LLMs in Interactive Physics Discovery with Controlled Priors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yimeng, Piȩkos, Piotr, Ostaszewski, Mateusz, Laakom, Firas, Schmidhuber, Jürgen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Physics and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Huxley-Gödel Machine: Human-Level Coding Agent Development by an Approximation of the Optimal Self-Improving Machine
von: Wang, Wenyi, et al.
Veröffentlicht: (2025)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

FACTS: A Factored State-Space Framework For World Modelling
von: Nanbo, Li, et al.
Veröffentlicht: (2024)

Planning to Explore: Curiosity-Driven Planning for LLM Test Generation
von: Amayuelas, Alfonso, et al.
Veröffentlicht: (2026)

Hyperbolic Residual Quantization: Discrete Representations for Data with Latent Hierarchies
von: Piękos, Piotr, et al.
Veröffentlicht: (2025)

Mixture of Sparse Attention: Content-Based Learnable Sparse Attention via Expert-Choice Routing
von: Piękos, Piotr, et al.
Veröffentlicht: (2025)

EduGym: An Environment and Notebook Suite for Reinforcement Learning Education
von: Moerland, Thomas M., et al.
Veröffentlicht: (2023)

BoxingGym: Benchmarking Progress in Automated Experimental Design and Model Discovery
von: Gandhi, Kanishk, et al.
Veröffentlicht: (2025)

Is Temporal Difference Learning the Gold Standard for Stitching in RL?
von: Bortkiewicz, Michał, et al.
Veröffentlicht: (2025)

DM-Bench: Benchmarking LLMs for Personalized Decision Making in Diabetes Management
von: Cardei, Maria Ana, et al.
Veröffentlicht: (2025)

Cognitive Structure Generation: From Educational Priors to Policy Optimization
von: Gu, Hengnian, et al.
Veröffentlicht: (2025)

GEM: A Gym for Agentic LLMs
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

SwitchHead: Accelerating Transformers with Mixture-of-Experts Attention
von: Csordás, Róbert, et al.
Veröffentlicht: (2023)

Deep Learning Opacity in Scientific Discovery
von: Duede, Eamon
Veröffentlicht: (2022)

D3-Gym: Constructing Real-World Verifiable Environments for Data-Driven Discovery
von: Moussa, Hanane Nour, et al.
Veröffentlicht: (2026)

ProgressGym: Alignment with a Millennium of Moral Progress
von: Qiu, Tianyi, et al.
Veröffentlicht: (2024)

Benchmarking the Legal Reasoning of LLMs in Arabic Islamic Inheritance Cases
von: AlDahoul, Nouar, et al.
Veröffentlicht: (2025)

Prerequisite Structure Discovery in Intelligent Tutoring Systems
von: Annabi, Louis, et al.
Veröffentlicht: (2024)

Diffusion-Inspired Cold Start with Sufficient Prior in Computerized Adaptive Testing
von: Ma, Haiping, et al.
Veröffentlicht: (2024)

Evaluating LLM Agent Adherence to Hierarchical Safety Principles: A Lightweight Benchmark for Probing Foundational Controllability Components
von: Potham, Ram
Veröffentlicht: (2025)

PersonaGym: Evaluating Persona Agents and LLMs
von: Samuel, Vinay, et al.
Veröffentlicht: (2024)

Say My Name: a Model's Bias Discovery Framework
von: Ciranni, Massimiliano, et al.
Veröffentlicht: (2024)

Speak Easy: Eliciting Harmful Jailbreaks from LLMs with Simple Interactions
von: Chan, Yik Siu, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Tacit Knowledge Discovery in Organizational Contexts
von: Zuin, Gianlucca, et al.
Veröffentlicht: (2025)

NYU CTF Bench: A Scalable Open-Source Benchmark Dataset for Evaluating LLMs in Offensive Security
von: Shao, Minghao, et al.
Veröffentlicht: (2024)

Interestingness as an Inductive Heuristic for Future Compression Progress
von: Herrmann, Vincent, et al.
Veröffentlicht: (2026)

FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

Deprecating Benchmarks: Criteria and Framework
von: Joaquin, Ayrton San, et al.
Veröffentlicht: (2025)

Defining and Evaluating Physical Safety for Large Language Models
von: Tang, Yung-Chen, et al.
Veröffentlicht: (2024)

MMAI Gym for Science: Training Liquid Foundation Models for Drug Discovery
von: Kuznetsov, Maksim, et al.
Veröffentlicht: (2026)

UserBench: An Interactive Gym Environment for User-Centric Agents
von: Qian, Cheng, et al.
Veröffentlicht: (2025)

Gym4ReaL: A Suite for Benchmarking Real-World Reinforcement Learning
von: Salaorni, Davide, et al.
Veröffentlicht: (2025)

Healthcare LLM Benchmarks Are Only as Good as Their Explicit Assumptions
von: Raman, Naveen, et al.
Veröffentlicht: (2026)

vTune: Verifiable Fine-Tuning for LLMs Through Backdooring
von: Zhang, Eva, et al.
Veröffentlicht: (2024)

HeuriGym: An Agentic Benchmark for LLM-Crafted Heuristics in Combinatorial Optimization
von: Chen, Hongzheng, et al.
Veröffentlicht: (2025)

MateInfoUB: A Real-World Benchmark for Testing LLMs in Competitive, Multilingual, and Multimodal Educational Tasks
von: Marius, Dumitran Adrian, et al.
Veröffentlicht: (2025)

GECOBench: A Gender-Controlled Text Dataset and Benchmark for Quantifying Biases in Explanations
von: Wilming, Rick, et al.
Veröffentlicht: (2024)

Quantifying Prediction Consistency Under Fine-Tuning Multiplicity in Tabular LLMs
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

MoralityGym: A Benchmark for Evaluating Hierarchical Moral Alignment in Sequential Decision-Making Agents
von: Rosen, Simon, et al.
Veröffentlicht: (2026)

TimeSeriesGym: A Scalable Benchmark for (Time Series) Machine Learning Engineering Agents
von: Cai, Yifu, et al.
Veröffentlicht: (2025)