PIQA评测标准详解

PIQA评测是衡量大模型物理常识推理能力的核心标准，通过让模型判断日常物理情境中的正确行为，来验证其是否真正理解现实世界的运作逻辑，而非仅仅依靠语言概率进行预测，在人工智能领域，我们常听到“大模型很聪明”的评价，但这种聪明往往停留在文字游戏层面，当被问及“如何用勺子喝汤”时，模型能流畅地列出步骤，但这并不代表它……