提出Sim2Reason方法,利用物理仿真器通过领域特定语言(DSL)程序化生成物理推理问题-答案对,并结合强化学习训练大语言模型,在不依赖人工标注的情况下实现零样本迁移到国际物理奥赛(IPhO)等真实基准,提升5–10个百分点。
机构:CMU
来源:arXiv 2604.11805 | AI4Papers 论文推荐平台