PhysElite: How Far Are LLMs from Solving Olympiad-Level Physics Problems?
यह शोध पत्र PhysElite को प्रस्तुत करता है, जो 11,586 ओलंपियाड-स्तर की भौतिकी की समस्याओं और उनके चरण-दर-चरण समाधानों वाला एक बड़े पैमाने का द्विभाषी बहु-मोडल बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान में सबसे उन्नत बहु-मोडल लार्ज लैंग्वेज मॉडल्स भी इन जटिल तर्क कार्यों पर केवल 33.7% सटीकता प्राप्त करते हैं।