在全球科學教育的舞臺上，國際物理奧林匹克（IPhO）與亞洲物理奧林匹克（APhO）無疑是最具含金量的賽事之一。

它們不僅是中學生物理學習的最高殿堂，更是各國頂尖年輕學者展示思維深度與創造力的競技場。能夠在這些賽事中摘得金牌，往往意味著參賽者已具備接近大學科研水平的物理素養與跨學科能力。

人工智能在這一領域的表現卻長期受限，傳統大語言模型雖然在自然語言處理和部分數學推理上展現出驚人的能力，但一旦面對奧賽題目中常見的跨模態挑戰——復雜的公式推導、圖像與實驗圖表的解析、實驗設計與物理直覺的結合——便顯得力不從心。它們往往只能給出片段化的答案，缺乏整體邏輯鏈條，更難以達到人類金牌選手的水準。

近日，國內頂級科研機構、學府聯合發布的PhysicsMinions 系統橫空出世。它并非依賴單一大模型的“蠻力”，而是通過一個協同進化的多模態多智能體框架，將不同“專長”的智能體組織成一個虛擬科研團隊，像真實的競賽小組一樣分工合作、相互批判、迭代優化。

物理學是理解和塑造現實世界的核心，解決物理問題的能力是現實世界物理智能的關鍵指標。令人矚目的是，這一系統在最新的物理奧賽真題測試中，首次達到了與人類金牌選手相當的水平，成為 AI 在科學教育與推理領域的一次里程碑式突破。

根據涵蓋7場最新物理奧林匹克競賽的HiPhO基準進行評估，PHYSICSMINIONS取得了三大突破：

• 強大的泛化能力：它持續改進不同規模的開源和閉源模型，比單一模型基線帶來了明顯的好處；
• （歷史性突破：它將開源模型從7屆奧運會的1-2枚金牌提高到6枚金牌，在最近一屆國際物理奧林匹克競賽（IPhO）的平均得分指標下獲得了有史以來第一枚開源金牌；
• 擴展到人類專家：它進一步推進了開源Pass@32在最新的IPhO比賽中，該選手的得分為26.8/30分，在406名參賽者中排名第四，遠遠超過了排名第22位的最佳單人模特得分22.7分。

總體來看，PHYSICSMINIONS為奧林匹克水平的問題解決提供了一個通用的框架，具有跨學科擴展的潛力。

圖1:PHYSICSMINIONS的圖示，這是一個由三個工作室組成的協同進化多模式多智能體系統：用于視覺提取的Visual Studio、用于解決方案優化的Logic Studio和用于雙重驗證的Review Studio。就像一個“小黃人”一樣，一個代理是有限的，但在最新的IPhO中，它們共同形成了一個系統，將Intern-S1從15.9（銀）提高到20.8（金）。

支撐這一成果的，是一個跨越多所頂尖高校與研究機構的科研團隊。技術團隊以上海人工智能實驗室為核心，聯合了清華大學、香港中文大學（CUHK）、香港中文大學（深圳）、電子科技大學（UESTC）以及大連理工大學（DUT）的研究人員。

團隊成員既有在計算機視覺與多模態智能領域享譽國際的學者，也有在 AI for Science、自然語言處理和跨模態推理方面深耕的青年學者與博士生。這樣的跨學科、跨地域組合，使得 PhysicsMinions 不僅是一項技術實驗，更是一場科研協作模式的示范。

1.研究目標與挑戰

PhysicsMinions 的研究目標十分明確——打造一個能夠在真實物理奧賽題目中，與頂尖人類選手正面競爭的 AI 系統。換句話說，它不僅要“會做題”，更要在邏輯完整性、跨模態推理和實驗設計等方面展現出接近人類的綜合能力。

要實現這一目標，團隊必須跨越幾道難關。首先是多模態信息的整合。奧賽題目往往包含文字描述、復雜公式、實驗裝置圖、數據表格等多種信息形式，單一模態的模型難以全面理解。其次是高度復雜的跨學科推理鏈條。物理奧賽不僅考查物理知識，還涉及數學建模、實驗設計、甚至科學直覺，要求 AI 能夠像人類一樣在不同知識層面之間靈活切換。

最后，答案不僅要正確，還必須具備解釋性與邏輯完整性。在奧賽評分體系中，解題過程的合理性與推理鏈條的完整性往往比最終數值答案更重要，這對 AI 的透明性和可解釋性提出了更高要求。

正因如此，PhysicsMinions 的突破不僅是一次技術上的勝利，更是對 AI 在科學推理與教育應用中邊界的一次拓展。它讓我們看到了一個未來：AI 不再只是“答題機器”，而是能夠與人類并肩作戰的“科研合作者”。

2.方法論框架：PhysicsMinions 系統設計

如果說物理奧賽是一場智慧的馬拉松，那么 PhysicsMinions 就像是一支由不同領域專家組成的科研小組。它并不是依賴單一“大腦”的孤軍奮戰，而是通過多智能體的分工協作與協同進化的機制，逐步逼近最優解。

圖2:PHYSICSMINIONS概述，這是一個協同進化的多模態多智能體系統。給定一個多模式問題，Visual Studio會提取結構化的視覺信息。Logic Studio生成初始解決方案并對其進行改進。然后Review Studio進行雙階段驗證；失敗會觸發錯誤報告，并返回Logic Studio進行進一步修訂。這個循環一直持續到解決方案通過連續的檢查，形成共同進化過程。

多智能體協作機制

在 PhysicsMinions 的架構中，每個智能體都被賦予了明確的角色定位。有人專注于文本推理，負責理解題干、拆解邏輯鏈條；有人擅長圖像解析，能夠從復雜的實驗裝置圖或物理示意圖中提取關鍵信息；還有智能體專門處理數學計算，確保公式推導與數值結果的精確性；最后，實驗設計智能體則模擬人類物理學家的直覺，提出實驗方案并預測可能的結果。

這種分工模式極像一個真實的科研小組：理論物理學家、實驗物理學家、數學建模專家與數據分析師各司其職，在討論與碰撞中逐步完善答案。與傳統單模型相比，這種“團隊式”智能體協作更貼近人類解決復雜問題的方式。

協同進化（Coevolutionary Optimization）

PhysicsMinions 的核心創新在于“協同進化”。解題并不是一次性完成的，而是一個動態迭代的過程。系統會先生成候選解答，然后由不同智能體進行批判與修正，提出改進意見，再進入下一輪優化。這個過程不斷循環，直到答案在邏輯、數值和解釋性上趨于收斂。

這種機制與傳統大模型的“單次推理”形成鮮明對比。單一模型往往給出一個靜態答案，缺乏自我修正與多角度審視的能力。而協同進化則像是一場學術討論會，答案在爭論與修正中逐漸成熟，最終呈現出更高的準確性與完整性。

多模態能力整合

物理奧賽的題目往往跨越文字、公式、圖像與實驗四個維度。PhysicsMinions 在設計上強調多模態的深度融合。 在文本層面，它能夠準確理解題干的語義，并將其轉化為邏輯推理鏈條；在數學層面，它具備公式推導與數值計算的能力，確保結果的嚴謹性；在視覺層面，它能識別圖像與圖表，從中提取物理量與實驗條件；在實驗層面，它能夠提出合理的實驗設計，并預測可能的結果與誤差范圍。

這種跨模態的整合，使得 PhysicsMinions 不僅能“看懂題目”，還能像人類選手一樣，將不同信息源拼接成完整的物理世界圖景。

PhysicsMinions 的方法論框架是一種“科研團隊式 AI 解題模式”。它通過多智能體的分工協作、協同進化的迭代優化，以及多模態的深度整合，突破了傳統大模型在科學推理上的瓶頸。

3.實驗與結果

在展示 PhysicsMinions 的實力之前，研究團隊首先構建了一個極具挑戰性的測試環境。他們并沒有選擇人工合成的題庫，而是直接將系統放入真實的“戰場”——國際物理奧林匹克（IPhO）、亞洲物理奧林匹克（APhO）以及部分國家級競賽的真題。這些題目以難度大、跨模態信息復雜、推理鏈條長而著稱，是檢驗任何解題系統的“終極考卷”。

評測的標準也極為嚴格。研究人員并非只看系統能否給出正確答案，而是將其得分與人類選手的金牌線進行對比。換句話說，PhysicsMinions 要想被視為成功，不僅要答對題，還要在整體表現上達到國際奧賽金牌選手的水準。這一評測方式凸顯了研究的雄心：目標不是“能解題”，而是“能奪金”。

圖3:Intern-S1在最新IPhO上使用PHYSICSMINIONS的性能改進，按每個問題和模態得分顯示。HiPhO基準定義了四種模態類型：TO=純文本、TI=文本+插圖、TV=文本+可變圖形和TD=文本+數據圖形。

結果令人矚目。在 IPhO 的模擬測試中，PhysicsMinions 的平均得分已經穩穩跨過金牌線，成為首個在奧賽級別任務中達到這一高度的 AI 系統。尤其值得注意的是，在傳統上最考驗人類直覺與創造力的實驗設計題上，PhysicsMinions的表現顯著優于單一大模型的基線。

通過多智能體的協作與迭代優化，它能夠提出合理的實驗方案，并預測潛在結果，展現出接近人類物理學家的思維方式。

更為突出的是系統的跨模態推理能力。面對同時包含文字描述、復雜公式和實驗圖表的題目，PhysicsMinions 能夠像人類一樣，將不同模態的信息拼接成完整的邏輯鏈條。這種能力正是傳統大模型的短板，而在 PhysicsMinions 的“科研小組式”架構下得到了突破。

圖4:Intern-S1和Qwen2.5VL-32B-Instruct在最新IPhO上的縮放性能。

附錄中的案例展示更是直觀地揭示了這一過程。研究團隊選取了一道力學題作為示例：題目包含實驗裝置圖、文字描述和公式推導。PhysicsMinions 的解題過程被完整記錄下來——首先由文本推理智能體解析題干，提取關鍵物理量;隨后圖像解析智能體識別實驗裝置圖中的幾何關系;接著數學計算智能體完成公式推導與數值計算;最后實驗設計智能體對結果進行驗證與補充說明。

整個過程如同一場小型的學術討論會，不同角色的智能體各司其職，互相批判與修正，最終收斂到一個邏輯完整、數值準確的答案。

圖5：使用Intern-S1對最新IPhO進行消融研究和超參數分析。

這一案例不僅展示了 PhysicsMinions 的“團隊式”解題風格，也讓人們看到了 AI 在科學推理上的新范式。它不再是單一模型的“黑箱輸出”，而是一個透明、可解釋、可追蹤的推理過程。這種特質不僅讓它在奧賽中“奪金”，也為未來 AI 在科研與教育中的應用奠定了堅實基礎。

4.研究貢獻與意義

PhysicsMinions 的出現，不僅僅是一項技術實驗的成功，更是人工智能在科學推理與教育領域的一次標志性突破。

在學術層面，它首次展示了 AI 系統能夠在國際物理奧賽級別的科學推理任務中達到“金牌表現”。這意味著 AI 已經不再局限于解答標準化的選擇題或簡單的數學推理，而是能夠在復雜的跨模態、多步驟推理任務中與頂尖人類選手比肩。這一成果為 AI for Science 的研究打開了新的邊界，也為未來跨學科智能系統的探索提供了堅實的案例。

圖6：使用Intern-S1對IPhO Q3-A6進行雙階段驗證的案例研究。單一模型僅獲得0.2分，而PHYSICSMINIONS通過雙階段驗證和自我反思獲得了1.1分的滿分，顯示出實質性的改進。

圖7:PHYSICSMINIONS的Visual Studio在精確數據提取方面的局限性。示例：IPhO Q1-C4需要識別曲線中所有三個峰的x坐標。

在方法論上，PhysicsMinions 提出了協同進化的多智能體框架。不同于傳統依賴單一大模型的“黑箱式”推理，它通過多個智能體的分工協作與迭代優化，形成了類似科研小組的解題模式。這種方法不僅提升了準確性和魯棒性，也增強了過程的可解釋性，為 AI 系統的透明化與可信賴性提供了新的思路。

在教育價值方面，PhysicsMinions 的潛力同樣巨大。它可以作為智能助教，幫助學生理解復雜的物理題目，提供逐步推理鏈條，甚至模擬“競賽團隊”的討論過程。對于奧賽訓練而言，這不僅能提升學習效率，還能讓學生更直觀地理解科學推理的邏輯結構。

在科研潛力上，這一框架并不局限于物理學。其多模態、多智能體、協同進化的機制完全可以擴展到化學、生物學、工程學等跨學科科學問題。它有望成為一種通用的科學推理平臺，推動 AI 在科研中的應用從“工具”走向“合作者”。

5.批判性思考與未來展望

盡管 PhysicsMinions 的成果令人振奮，但它也引發了一系列值得深思的問題。

首先是公平性與倫理問題。AI 是否應該直接參與競賽？如果 AI 能夠在奧賽中奪金，那么人類選手的努力是否會被削弱？如何界定 AI 在教育與競賽中的角色，是“輔助”還是“替代”？這些問題不僅關乎技術應用，更涉及教育公平與社會價值觀。

其次是教育應用的邊界。PhysicsMinions 能否真正成為“虛擬競賽團隊”，幫助學生提升學習體驗？它的解釋性與透明度是否足以讓學生從中學習，而不是僅僅依賴答案？如何避免學生過度依賴 AI，而忽視了自身的思維訓練？這些都需要教育者與技術開發者共同探索。

在科研應用方面，PhysicsMinions 的框架能否遷移到化學、生物等學科？跨模態推理在這些領域同樣重要，但問題的復雜性和數據的多樣性可能更高。如何保證系統在不同學科中的適應性與可靠性，將是未來的重要挑戰。

展望未來，PhysicsMinions 的發展方向可以從幾個維度展開。其一是增強可解釋性與透明度，讓 AI 的推理過程更加清晰可追蹤，從而贏得教育與科研領域的信任。其二是探索與人類專家的協作模式，讓 AI 成為科研團隊中的“合作者”，而不是“替代者”。其三是在政策與監管框架下實現合規應用，確保 AI 在教育與科研中的使用符合倫理與社會規范。

總的來說，PhysicsMinions 不僅是一項技術突破，更是一面鏡子，映照出 AI 在科學教育與科研中的潛力與挑戰。它讓我們看到了一個未來——AI 不再只是解題機器，而是能夠與人類并肩作戰的科研伙伴。

參考資料：???https://arxiv.org/pdf/2509.24855??

本文轉載自??波動智能??，作者：FlerkenS