WorldSolver：LLM agent 能自己写物理
来自 arXiv · 期号 2026-10-07
摘要
物理模拟是 AI agent 的硬核测试：agent 需要理解物理规律、写出数学方程、再把它变成能跑的代码。 WorldSolver 从 61 篇经典计算机图形学论文里抽了 168 个模拟任务，覆盖 7 个物理领域。每个任务给一个固定的模拟环境框架，agent 自己补上求解器。评测分三层：代码能不能跑、渲染画面对不对、物理上是否合理。 结果：GPT-5.6-Sol 和 Claude-Opus-5 表现最好，总分也只有 48.7% 和 46.7%。光是让求解器能跑起来就已经很难，视觉和物理正确更难。 论文附了开源代码。
深读
导读 物理模拟是 AI agent 能力的硬核试金石：它要求 agent 同时具备物理理解、数学建模和工程实现三种能力。WorldSolver 从 61 篇经典计算机图形学论文中提取了 168 个模拟任务，系统评估了前沿 LLM agent 自动生成求解器的能力。结果令人清醒：表现最好的 agent 总分也不到 50%，说明从理解物理现象到写出可运行代码之间还有巨大鸿沟。 关键信息 - WorldSolver 包含 168 个模拟任务，覆盖 7 个物理领域，任务来源为 61 篇经典计算机图形学论文。 - 评测分三层：Execution Checks（代码能否成功运行）、Visual Fidelity（渲染画面是否复现了预期动态行为）、Physical Plausibility（生成的动力学是否物理合理）。 - 表现最好的两个 agent——GPT-5.6-Sol 和 Claude-Opus-5——总分分别只有 48.7% 和 46.7%。 - 光是让求解器能跑起来（Execution Checks）就已经很困难，视觉和物理正确性更难满足。 - 论文代码已开源。 逐节讲解 问题背景与动机 物理模拟在具身 AI、游戏和电影中有广泛应用，其核心组件是求解器，计算动态系统状态随时间演变的程序。构建求解器需要三重能力：理解物理规律以选择合适的模型、数学推理以写出动力学方程、软件工程以将方程实现为可执行代码。论文指出，LLM agent 在这方面的能力尚未被系统评估。 WorldSolver 基准设计 WorldSolver 从 61 篇经典计算机图形学论文中提取了 168 个模拟任务，覆盖 7 个物理领域（原文未列出具体领域名称）。每个任务提供一个固定的模拟环境框架（code scaffold），求解器实现部分留给 agent 补全。评测沿三个维度展开：Execution Checks 检查代码能否成功运行；Visual Fidelity 检查渲染画面是否复现了预期的动态行为；Physical Plausibility 对生成的动力学进行基于物理的验证。 实验结果 在多个前沿 agent 上的实验显示，生成可执行的求解器本身就很困难，同时满足视觉和物理正确性更难。GPT-5.6-Sol 和 Claude-Opus-5 表现相对较好，但总分分别只有 48.7% 和 46.7%。论文将 WorldSolver 定位为 agent 求解器生成的早期探索，希望推动 agent 向能够忠实模拟动态物理世界的方向前进。 值得注意 由于 content_source 为 abstract，本文仅基于论文摘要撰写。摘要未展开 7 个物理领域的具体名称、各 agent 在三个评测维度上的分项得分、以及任务的具体难度分布。这些细节需要阅读全文才能获得。