知识卡片：WorldSolver：LLM 智能体能否通过生成求解器模拟物理动力学？

英文标题：WorldSolver: Can LLM Agents Simulate the Physical Dynamics via Solver Generation?
英文关键词（据标题、摘要与主题标签提取）：foundation-model; LLM agents; physics simulation; solver generation; benchmark; computer graphics; visual fidelity; physical plausibility
原始来源：arXiv:2610.08720v1，https://arxiv.org/abs/2610.08720v1；PDF：https://arxiv.org/pdf/2610.08720v1；代码：https://github.com/sirujiang/WorldSolver

一句话结论

WorldSolver 把“生成可执行物理求解器”作为 LLM 智能体的新基准：它覆盖 168 个来自 61 篇经典计算机图形学论文的物理现象任务，横跨 7 个物理域；前沿智能体虽能生成部分可执行求解器，但在视觉保真度与物理合理性上整体得分不足一半。

事件概述或研究问题

论文关注的问题是：LLM 智能体能否通过生成求解器来模拟物理动力学。求解器负责计算动态系统状态如何随时间演化；构建求解器需要物理理解来识别合适模型、数学推理来形式化动力学，以及软件工程能力来实现可执行代码。材料指出，LLM 智能体的这一能力仍未被充分探索。为此，作者提出 WorldSolver 基准，用于评估智能体在仿真任务中补全求解器实现的能力。

方法/产品要点

• 基准规模：168 个仿真任务，源自 61 篇经典计算机图形学论文中的物理现象，覆盖 7 个物理域。
• 任务形式：每个任务包含一个代码脚手架，为场景提供固定仿真环境；求解器实现留给智能体完成。
• 评估维度：
  • Execution Checks：能否成功执行；
  • Visual Fidelity：渲染仿真是否复现预期动态行为；
  • Physical Plausibility：对生成动力学进行物理 grounding 的验证。
• 目标定位：推动“agentic solver generation”，即让智能体生成能忠实模拟动态物理世界的求解器。
• 代码可用性：材料称代码可在 https://github.com/sirujiang/WorldSolver 获取。

主要结果或产业意义

• 实验显示，生成可执行求解器本身就很困难，满足视觉与物理正确性更难。
• 在被评估的前沿智能体中，GPT-5.6-Sol 与 Claude-Opus-5 相对表现较好，但总体得分分别只有 48.7% 和 46.7%。
• 材料未列出其他被评智能体的具体分数、排名或统计细节，待核实。
• 产业意义方面，物理仿真被材料描述为在 embodied AI、游戏和影视中具有应用；WorldSolver 被视为迈向智能体生成求解器的早期一步。它是否能直接降低生产中的手工建模/实现成本，或达到工程级可信度，待核实。

为什么重要

• 它把 LLM 智能体评估从通用问答、工具调用或代码生成，推进到科学计算与物理建模：不仅要求“能写代码”，还要求理解物理模型、形式化动力学并验证仿真行为。
• 三维评估框架把“能运行”“看起来对”“物理上合理”区分开来，揭示了智能体在物理世界模拟中的能力缺口。
• 与已有相关卡片的关系：已有卡片关注 LLM 智能体失败早期预测、知识图谱问答推理效率、技能引入后的回归税；本卡片的增量信息是，将评估对象扩展到“物理动力学求解器生成”，提供 168/61/7 的基准规模与前沿模型分数，形成从任务可靠性到科学仿真能力的不同观察面。

局限与不确定性

• 当前卡片仅依据来源摘要与描述整理，未读取全文；评分细则、任务难度分布、7 个物理域具体名称、数据划分、失败模式、人工/自动验证比例、统计显著性与推理成本均待核实。
• GPT-5.6-Sol、Claude-Opus-5 等模型名称与分数按材料记录；其可获取性、具体版本、是否使用工具、采样次数与运行配置待核实。
• 代码仓库的实际可复现性、许可证、数据构建流程与依赖环境待核实。
• 基准任务来自经典计算机图形学论文中的物理现象，是否能泛化到真实工程仿真、新物理现象或复杂场景，材料无法确认，待核实。

可用于图书/PPT/简报的角度

• 从“写代码”到“懂物理”：用 WorldSolver 说明 LLM 智能体进入物理仿真时面临的跨学科能力要求。
• 三维评估框架：执行检查、视觉保真度、物理合理性，可作为评估“动态世界模拟”类 AI 系统的叙事框架。
• 数字记忆点：168 个任务、61 篇经典论文、7 个物理域、GPT-5.6-Sol 48.7%、Claude-Opus-5 46.7%。
• 应用场景：embodied AI、游戏、影视中的物理效果与动态世界模拟。
• 脉络衔接：与已有 LLM 智能体卡片并列，展示从失败预测、知识推理、技能回归到物理求解器生成的能力边界探索。

原始材料

• 英文标题：WorldSolver: Can LLM Agents Simulate the Physical Dynamics via Solver Generation?
• 英文关键词（据标题、摘要与主题标签提取）：foundation-model; LLM agents; physics simulation; solver generation; benchmark; computer graphics; visual fidelity; physical plausibility
• arXiv ID：2610.08720v1
• 作者：Siru Jiang, Yongzhe Lyu, Shuo Lu, Yubin Wang, Yuxiang Zhang, Yue Liao, Bin Wang, Jian Liang, Tieniu Tan
• 发布/更新：2026-10-06T17:26:26Z
• 主分类：cs.AI
• 分类：cs.AI
• 摘要 URL：https://arxiv.org/abs/2610.08720v1
• PDF URL：https://arxiv.org/pdf/2610.08720v1
• 代码：https://github.com/sirujiang/WorldSolver
• 材料摘要要点：LLM-based agents 正推进科学与工程问题求解；物理仿真成为挑战性且实用的测试床；WorldSolver 包含 168 个仿真任务，源自 61 篇经典计算机图形学论文，覆盖 7 个物理域；每个任务提供固定仿真环境的代码脚手架，要求智能体补全求解器；评估执行、视觉保真度与物理合理性；GPT-5.6-Sol 与 Claude-Opus-5 总体得分分别为 48.7% 与 46.7%。