PhyX

测测你的AI有没有物理常识，一测便知

PhyX 是一个专注于物理推理能力评估的开源基准测试项目，旨在回答“你的模型是否具备物理推理的‘智慧’”。它通过设计一系列需要物理常识和因果推断的任务，来测试大语言模型（LLM）和多模态模型在理解物理世界规律方面的表现。项目解决了当前AI模型在物理常识推理上表现薄弱、缺乏系统性评估的问题，提供了一套标准化的测试集和评估脚本。核心能力包括：构建多样化的物理场景题目、自动评分机制、以及支持对模型输出进行细粒度分析。目前项目处于早期阶段，代码和数据集已开源，便于研究者复现和扩展。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 55

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队killthefullmoon

所属国家

官网地址https://phyx-bench.github.io

GitHubhttps://github.com/killthefullmoon/PhyX

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmark,computer-vision,deep-learning,deep-neural-networks,evaluation,foundation-models,large-language-models,large-multimodal-models,machine-learning,multimodal,multimodal-learning,natural-language-processing,physics,science,visual-question-answering

GitHub 星标★ 55

30天Star增速

HF 下载量

上线时间2025-05-15 00:00:00

最近更新2026-08-14 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

聚焦物理推理这一细分能力，填补通用基准的空白
提供标准化测试集和评估脚本，便于直接复现结果
支持多模型对比，可快速定位模型在物理常识上的短板

不足之处

项目早期，星标少，社区和文档待观察
测试集规模和覆盖场景可能有限，需进一步扩充

适用场景

评估大模型在物理问答任务上的表现
对比不同模型在物理推理能力上的差异
指导模型在物理常识方面的针对性训练

替代项目

PIQA、ARC、OpenBookQA

项目介绍

PhyX 是评测安全领域的开源项目，由 killthefullmoon 开发，2025 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 55。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-14。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：评估大模型在物理问答任务上的表现。同类可对比的替代方案包括 PIQA、ARC、OpenBookQA。

上一篇：LLF-Bench

下一篇：axbench